粮食生产是国民经济重要的组成部分,粮食生产的波动必然会引发整个国民经济乃至金融界的波动。人们在千方百计提高粮食产量的同时,也希望提前知道未来一段时间粮食产量的变化情况,以便为科学决策提供依据,所以研究粮食产量的问题是非常必要的。本文主要用了几种在金融统计系统中常用的预测方法进行比较选择,并首次把遗传算法优化后的BP神经网络用到粮食产量的预测中去。首先介绍了影响粮食产量的影响因子,把影响因子作为输入变量;之后用SPSS软件采用多元回归分析的方法建立模型进行预测,其次用BP神经网络的思想进行预测,预测效果要好于多元回归分析;考虑到BP神经网络有一些缺陷,就引用了遗传算法对BP神经网络的权值和阈值进行优化,这样就避免了BP神经网络容易陷入局部最优解的缺陷。经得到的结果分析,用遗传算法优化的BP神经网络的预测结果要好于单独用BP神经网络的预测结果。本文的研究目的就是在于比较这几种模型的特点和预测效果,探索这些模型的适用范围,为人们根据不同要求选择合适的预测模型提供依据。同时根据预测结果可以对影响因子进行调整,争取在下年的实际产出中获得更高产量。