农产品数量安全是关国计民生和国家粮食及食物安全的重大研究课题,其中粮食产量预测作为一种重要的掌握粮食产量趋势的可靠依据,在保障粮食安全中起着举足轻重的作用。本课题以《农产品数量安全智能分析与预警关键技术支撑系统及示范》项目为依托,针对农产品历史数据时序性强、信息松散、数据量小等特点,以灰色系统理论和神经网络为基本理论支撑,进行预测模型构建和系统平台集成的深入研究。灰色神经网络预测模型已经成功地应用在许多领域,并且得到了较好的预测效果。由于粮食产量统计数据具有很强的波动性,为了提高预测精度,本课题构建一个基于BP神经网络的灰色残差修正模型和基于GM(1,N)及BP神经网络多因素关联的动态组合预测模型。为了进一步推进农产品数量安全各预测模型的实际应用,采用基于RIA的Silverlight和Matlab等关键技术构建农产品数量安全预测分析系统。课题主要研究内容和成果如下：(1)课题针对农产品历史数据的信息量少,时序性强等特点,分别进行GM(1,1)、DGM(1,1)、残差GM(1,1)、Verhulst等预测模型的动态参数分析,选取最优初始值的GM(1,1)模型作为基本理论模型,建立一种静态单一时序的基于GM(1,1)和BP神经网络的残差修正预测模型；(2)农产品产量是一个再生产的过程,其整个生产环节与播种面积、灌溉面积、受灾面积、施肥面积、农药使用量等外界因素息息相关。本课题针对众多农产品产量影响因子进行数据分析和关联分析,研究每个影响因子的关联系数和关联度,为进行粮食产量数据分析和预测提供依据；(3)根据对绝对关联度、相对关联度和综合关联度的大量分析,得出影响权重较高的影响因子,为动态预测模型数据的选取提供可靠依据。针对农产品生产中主要关联因素构建GM(1,N)模型和BP神经网络的动态组合预测模型,该模型依据关联因子对作物产量的影响进行多因素动态数据预测；(4)提出了一种RIA平台上针对多维数据展现的MVVM模式扩展,实现了数据仓库中多维数据展现模块的优化设计,解决了基于Web的多维数据透视系统交互性差、定制和维护困难、以及更新结构时反复提交性能低下等问题；(5)最后研制了农产品数量安全预测分析系统,采用.NET和Matlab互操作技术将GM(1,1)等经典模型以及本文提出的组合预测模型集成到该系统中,实现了对小麦等农作物产量的预测。