研究粮食生产规律，做好粮食产量科学预测是制定农业政策的重要依据.本文重点讨论了最小二乘支持向量机(Least Square Support Vector Machines，LS-SVM)的算法，针对小麦生长特点，确定出影响小麦产量的主要因子，采用最小二乘支持向量机算法，建立了基于宁夏地区1971年至2000年的小麦产量预测模型.预测结果表明，该模型具有较高的预测精度；同时，研究了相应的预处理、图形界面交互等技术，实现了宁夏地区的小麦产量预测系统，该系统具有较好的扩展性，可供农业等相关部门使用，为粮食产量预测提供了一条新的途径.　　 本文主要进行了以下工作：　　 1.研究基于统计学习理论的支持向量机和最小二乘支持向量机算法.　　 2.以宁夏地区小麦产量数据为基础，进行相关实验，得出了基于最小二乘支持向量机的小麦产量时间序列预测，其预测结果良好.　　 3.鉴于小麦生长过程的复杂性和信息不完全性，将气候数据引入作为小麦产量的主要影响因素，研究相应的数据预处理技术，提出基于最小二乘支持向量机和气候数据的小麦产量预测方法，并应用于实验.实验结果表明，该方法优于传统的时间序列预测方法.　　 4.针对小麦生产系统的多因素性，提出一种基于时间权重的最小二乘支持向量机的预测方法，旨在提高预测精度.　　 5.在基于最小二乘支持向量机和气候数据的小麦产量预测建模的基础上，研究了相应的图形界面交互技术，进行系统性开发，最终形成宁夏地区的小麦产量预测系统.　　 实验证明，最小二乘支持向量机在避开了支持向量机所求解的相对繁重的二次规划问题，采用结构风险最小化原则，不仅具有预测能力强、全局最优及收敛速度快等显著的特点，还有效的提高了大样本学习的求解速度.