农业是人类的母亲行业,不管是在较为落后的发展中国家还是科技与经济都较为发达的发达国家,国家政府与人民最为关注和重视的就是农业的发展。粮食是社会进步的根本和经济发展的命脉,关系到国家的富强、人民的生活和社会的稳定。随着科技的不断发展,国家实力不断提升,传统的农耕逐渐被机械化农业所取代,曾经的靠天吃饭的农作思维也逐渐变成了科学新农业,我国的农业现代化迎来了新的时代。粮食产量预测也由曾经的经验预测变成了现在的科学推断,准确的粮食产量预测可以帮助政府对粮食生产中的方案和策略进行调整,有利于提高粮食生产的效率,大大加快科学新农业的发展。因此,国内外专家学者将研究和关注的重点聚焦在如何合理准确的对粮食产量进行预测,以获得对未来粮食生产发展趋势的宏观把控。支持向量机是基于统计学理论基础发展起来的一种学习方法,它在分类和回归问题上都有较好的表现,特别是利用结构最小化原则来解决小样本问题,得到了全世界的专家学者们的高度认可。因此,可以很好的解决粮食产量预测这一小样本回归问题。WOFOST作物生长模拟模型是一种一年生作物生长和产量的定量分析模型,经过国内外无数专家学者的研究,已经确定在全球范围内得到了普遍验证和应用,该模型在玉米、小麦、水稻等根茎作物上有很好的模拟效果,应用领域也愈加广泛。本文首先全面介绍了粮食产量预测的背景与意义,并阐述了WOFOST作物生长模型和支持向量机的研究现状。然后对WOFOST作物生长模型的原理和支持向量机的理论基础进行了详细讲解。进而,在一些已有的研究基础上将支持向量机回归法与WOFOST模型相结合构建SVR-WOFOST模型,通过WOFOST模型对气象因素、土壤因素和作物本身性质进行分析,再通过支持向量机回归进行回归预测。并在选择影响因子问题上,使用灰色关联分析法,作为选择的影响因子可靠的佐证。最终,选择长春市作为实验区域,玉米产量作为实验对象,进行实证实验。本文结合WOFOST作物生长模型和支持向量机算法提出一种新的粮食产量预测模型SVR-WOFOST,本模型不仅应用了支持向量机回归的方法,还利用了WOFOST模型的特性,在标准支持向量机预测模型的基础上加入了自然影响因素,提高模型的准确性。在实际应用上,可以结合气候预测所得到的未来三个月的逐日气象数据,在年中对当年的粮食产量进行预测,更符合实际应用并且更利于推广。特别是对于极端天气情况下的预测更加准确可靠。通过针对长春市玉米产量进行实证实验,对比该模型与标准支持向量机模型的准确性。实验结果表明,结合WOFOST模型的支持向量机在玉米产量预测方面有很好的表现,特别是在灾害年份相对于标准支持向量机更加准确。