农机销量预测是农机企业应对市场变化、调整经营策略的重要手段。针对农机行业生产企业间恶性竞争的市场乱象,本文以轮式拖拉机为对象,以历史数据为依据,基于拖拉机市场发展特点分析和区域宏观因素相关性分析,依次确定4组训练样本数据集和预测模型输入因子,提出一种基于BP-马尔科夫链和随机森林、适用于预测轮式拖拉机短期销量的组合预测模型,并在模型通过自验证试验后开发销量预测系统,为相关从业人员提供预知拖拉机销量变化趋势的手段。结果表明:组合预测模型预测效果稳定,销量预测系统功能测试正常,本研究对于帮助拖拉机生产制造企业理性确定生产计划、合理调整营销策略有意义。本文的主要研究内容和结论如下:（1）轮式拖拉机市场分析。基于爬虫程序抓取农业领域关键指标统计数据和农用轮式拖拉机销售数据,在对原始数据经过预处理后获得917822组有效数据。通过复盘我国农机市场发展动力的变化过程,分析国家政策对于农业机械化发展的推动作用,得到轮式拖拉机销售特点及影响销量的主要因素,为分析区域宏观因素对轮式拖拉机销售的影响机制提供一定基础。（2）区域宏观因素相关性分析。农机产品的销量与国家调控政策和区域经济发展水平有着不可分割的关系。通过将大中型轮式拖拉机的产量数据与宏观因素数据作相关性分析,发现农林牧渔业总产值、农村居民人均可支配收入和第一产业劳动力与大型拖拉机年产量的相关系数 ||＞0.5属于强相关关系,乡村人口数、中央财政补贴和农村居民人均可支配收入则与中型拖拉机联系密切,为确定预测模型的训练样本提供了理论依据。（3）预测模型构建与优化。以2020年陕西省农用轮式拖拉机销量为例,利用2018-2020年全国轮式拖拉机的销售数据和区域宏观因素数据,依次确定4组训练样本数据集和预测模型输入因子。基于Python编程语言以及Sklearn、Tensorflow等标准库,分别建立基于历史销量的BP神经网络预测模型、基于区域宏观因素的BP神经网络预测模型以及基于BP-马尔科夫链和随机森林的组合预测模型。以平均绝对误差、平均绝对百分比误差和决定系数作为评价指标比较三组预测模型的实际效果,发现组合预测模型的下降了114.87、降至9.47%,决定系数!达到了0.9952,并且顺利通过了模型自验证试验,证明组合模型能够有效克服单一预测模型的不足,进一步提高轮式拖拉机销量预测精度。（4）开发销量预测系统。基于上述三组轮式拖拉机预测模型,采用Python编程语言设计开发轮式拖拉机销量预测系统。预测系统总体结构设计采用B/S模式,将系统功能部署在云端服务器,无线网实现数据交互,用户直接通过web浏览器访问客户端。利用Python标准库Streamlit开发web程序,包含用户登录、个人信息管理、数据管理和销量预测四大模块,支持用户在浏览器端直接访问,能够快速响应进行产品销量的预测与分析。并以2021年陕西省轮式拖拉机销量预测为例,测试系统各功能模块的完整性,结果表明预测系统整体功能正常、预测结果稳定,可用于轮式拖拉机生产及销售企业进行。