【摘要】在粮食产量预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低。文章将支持向量机回归(SVR)与粒子群优化算法(PSO)相结合,提出了适用于小样本量学习的PSO-SVR粮食产量预测模型。实例结果表明,PSO-SVR模型预测误差率优于BP神经网络模型。