粮食产量是衡量一个国家经济实力的标准之一，它对推进我国的经济及其社会发展起到积极的促进作用，是保障各族人民丰衣足食的不竭动力，是实现传统农业向现代农业过渡的关键变革力。古往今来，农业一直伴随着人类的生存而发展，无论是传统的五谷杂粮还是人们精心培育的新作物，都为推进农业科技创新和进步做出了重要的贡献。从中华人民共和国成立以来至今，农业科技成果的转变和发展，将我国农业及其农村经济稳定快速发展转变为一个新的起点。众所周知，我国是一个农业古国，对粮食的重要性、粮食危机以及种种应对措施有着丰富的经验。我国又是一个人口相对众多的国家，是世界上粮食生产和消费最大的国家，作为耕地资源相对匮乏的国家，保障农业安全和粮食的稳定可持续发展则成为农业科学研究中的重点和热点，因此，对粮食产量进行科学的预测对农业发展具有重大的指导意义。本文首先对我国粮食产量的现状作了概述，其次简要阐述了人工神经网络、BP神经网络与粒子群算法的基本原理，并根据影响我国粮食产量的相关因素进行分析并建立仿真实验。研究发现，BP神经网络在训练过程中具有收敛速度慢和极易陷入局部极小值等问题，本文采用了一种改进粒子群算法对BP神经网络的性能进行优化，即通过改变粒子群算法中的学习因子及惯性权重参数的一种方法。仿真实验结果表明，与传统的BP算法和粒子群算法相比，经改进后的粒子群优化BP神经网络的方法能够快速收敛到神经网络的学习目标，并且提高了模型的预测精度，同时也表明利用该方法对粮食产量进行预测是可行、有效的。