粮食产量预测具有重要的战略地位，它是政府制定科学合理的社会经济发展战略和人口战略的基础，是国家制定土地利用战略的依据，也是实现国家粮食安全的需要。本文以山西省为例，对粮食产量预测方法进行研究，找到各预测方法的适用条件，以有效提高粮食产量的预测精度，不仅能够为省级战略规划提供有效依据，还能为粮食产量的系统预测的提供借鉴与思路。本文主要包含以下研究内容：（1）主要阐述了研究背景与研究目的意义，确定了主要研究方法和内容，并提出了文章的技术路线。（2）通过文献阅读法对粮食产量预测方法进行了国内外研究现状分析与梳理，在此基础上，选择线性回归分析法、指数平滑法和BP人工神经网络模型为研究对象，并对其建模理论进行了分析。（3）研究区域概况与研究区域粮食产量现状分析，目的在于深入分析山西省粮食生产状况与粮食产量的特点。（4）采用多元线性回归分析模型、指数平滑模型、BP人工神经网络时间序列模型和BP人工神经网络回归分析模型对山西省粮食产量进行预测，并对各模型的预测结果、模型理论、资料要求和建模过程进行比较研究，得出最终结论。在前人研究的基础上，本文运用线性回归分析法、指数平滑法和BP人工神经网络模型，以山西省为例，对粮食产量预测进行了研究，得出以下主要结论：（1）若粮食产量具有明显的线性关系、相关研究资料较丰富、历史数据较充分，可以优先考虑采用多元线性回归模型进行预测；若缺乏粮食产量及其影响因素的资料且粮食产量的历史数据不够充分，可以优先考虑采用指数平滑模型进行预测；在粮食产量具有复杂的非线性关系、历史数据较充分的情况下，若可搜集到相关影响因素的历年数据，则可以优先考虑采用BP神经网络回归分析模型进行预测；若缺乏粮食产量影响因素的历史数据，则可优先考虑采用BP神经网络时间序列模型进行直接对粮食产量进行仿真预测。（2）粮食产量预测模型的建立是反复检验比较的结果。（3）尝试采用多模型耦合的方式建立粮食产量预测耦合模型，可以提高粮食产量的预测精度。