我国是一个农业大国,粮食生产问题则是农业生产中的重中之重,粮食产量的波动必然会引起国民经济的不稳定。粮食产量预测系统是一个十分复杂的系统,涉及到的因素很多,论文研究的目的是想采用一种更先进的理论对目前的粮食产量预测方法进行改进,从而建立一种新的预测模型。论文首先回顾了河南省的基本粮食生产状况,然后介绍了主成分分析法的基本原理和实现步骤。用SPSS17.0软件分三个阶段详细地分析了1978-2009年之间的粮食生产影响因素。分别选取了9个和12个粮食生产因素进行主成分分析,最后发现9个影响因素不能很好的反映粮食产量,所以最终选取了12个影响因素作为河南省的粮食产量预测输入值。其次,详细地阐述了BP神经网络的理论,说明了使用BP神经网络进行粮食预测的优势。使用BP神经网络对粮食产量进行预测,模型验证结果发现2003年到2009年之间的平均绝对误差为267.14万吨,绝对误差相对比较大。本文详细地分析了BP网络容易陷入局部极小值的原因,然后采用一种新的方法来解决BP网络的不足。最后,着重研究了自适应免疫遗传算法(AIGA),然后用AIGA来对BP神经网络的权值和阈值进行优化处理,利用AIGA的全局搜索法来解决BP网络陷入局部极小值的不足,同时建立了AIGA-BP网络粮食产量预测模型。通过仿真实验发现新模型的粮食产量预测的平均绝对误差为127.02万吨,这表明：AIGA-BP网络模型在粮食产量预测的精度上比BP模型预测的精度更高。本文客观分析了近几年的河南省粮食产量影响因素的一些变化规律,按照规律设定了2010——2012年的粮食影响因素数据。针对粮食受灾面积这个影响因素分三种不同情况来考虑,然后设定了三种不同情况的数据。最后利用AIGA-BP模型预测了河南省2010年到2012年的粮食产量数据。