2020年,全世界在面对突如其来的新冠肺炎疫情时,对粮食安全的认识高度又有了新的提升,同时为推进我国“新发展格局”的形成,粮食安全是必不可少的重要战略保障。精确预测未来几年粮食产量,是保障粮食安全的重要方法之一。根据历史数据准确预测出未来粮食产量,可以有效帮助相关从业人员了解粮食产量变化趋势,及时制定保障粮食稳定的相关措施,确保粮食安全。本文通过分析粮食产量的相关影响因素,首先确定了通过粮食产量影响因素来进行粮食产量的精准预测,其次使用历史数据集进行模型训练、预测与分析,根据分析结果选择最优的学习模型进行预测,最后将机器学习模型放入开发的系统中进行可视化展现。具体研究内容如下:（1）通过对2000-2019年粮食产量及相关影响因素分析,选取了11种粮食产量影响因素最终预测粮食产量。例如:粮食作物播种面积、有效灌溉面积、农业水库数、农村用电量等。（2）建立GRA-AdaBoost-SVR粮食产量预测模型。首先使用GRA方法筛选高关联度的粮食产量因素,然后将SVR算法作为AdaBoost方法的基学习方法,最终结合三种方法优点建立模型。最后使用中国粮食总产量及四种农作物数据集,验证GRA-AdaBoost-SVR、BPNN、SVR、AdaBoost-SVR及GRA-BPNN,GRA-SVR六种算法模型在数据集上的预测误差。（3）开发一个与机器学习结合的粮食产量预测系统。系统模型预测模块中集成了本文建立的四种主要粮食产量预测模型,系统中模型可以对训练及预测过程中的参数进行设置,并且可以对比展示四种模型的预测结果及误差。本文通过对11种粮食产量影响因素进行实验分析,发现11种粮食产量影响因素对于粮食总产量影响程度不一。因此采用GRA方法对于粮食产量粮食因素进行关联度分析,对结果进行排序,选择关联度高的影响因素作为AdaBoost-SVR算法模型输入。依此建立GRA-AdaBoost-SVR粮食产量预测模型,并与其他五种算法进行对比研究。结果发现GRA-AdaBoost-SVR在中国粮食总产量测试集上的平均相对误差均小于5%,且算法更加稳定,远优于其他模型。最后本文开发了一个粮食产量预测系统,该系统实现了用户管理、数据管理、模型预测、模型应用等功能。并将四种主要算法放入系统中,分别可视化实现了四种模型的预测结果,以及应用GRAAdaBoost-SVR模型对未来粮食产量进行预测。