黑龙江垦区是我国耕地规模最大的国有农场群，近年来始终坚持用国内外最先进的农业机械武装垦区农业，目前已成为国家重要的粮食生产基地及粮食战略后备基地，其农业综合生产力水平和农业机械化水平均处于全国前列。由于农业机械装备是农业机械化发展水平的具体体现，农业机械化发展水平从宏观上反映农业机械化装备资源的利用。因此，加速黑龙江垦区农业机械化发展进程，正确评价垦区农业机械化装备水平，运用科学的农业机械化管理理论与技术水平实现经济效益和社会效益具有重要的意义。主要研究工作如下：1.农机装备资源是农业机械化综合保障能力的基础，为了正确认识黑龙江垦区农机装备在农业生产中的作用，收集整理2011-2012年各农场农机装备水平评价指标，从总量指标、速度指标和均量指标三个方面确定了10个评价指标。利用建立的多类分类支持向量机算法，科学衡量98个农场农机装备发展状况，进行评价分析垦区各农场农机装备水平综合差异状况，提出协调垦区农场农机装备发展的政策建议。2.鉴于黑龙江垦区农机装备发展态势有明显的非线性特性，为了科学合理的评价垦区农机装备发展状况，建立了黑龙江垦区农机装备水平的评价指标体系。首先利用传统的组合预测方法，将权系数确定问题转化为标准粗糙集理论中属性重要度评价问题，建立一种基于粗糙集理论的组合预测方法；其次，构建了RBF神经网络的组合预测模型和基于SVM的组合预测模型。利用构建的三种组合预测模型对黑龙江垦区农机装备水平的历史数据进行预测，分析表明所建立的基于SVM的组合预测模型具有一定的预测精度，与实际值具有很好的一致性，预测结果的均方根误差比传统单一模型、基于粗糙集组合预测模型和基于RBF的组合预测模型明显降低。3.由于实际采集的样本数据带有一定的误差，含有高噪声并伴有异常值，它们的存在极易造成系统不稳定。而标准支持向量机采用无界损失函数，对孤立点所产生的间隔损失最大，因此对训练点中的孤立点非常敏感，导致支持向量机的泛化性能降低。因此，研究了支持向量机的鲁棒性学习，提出一种基于不对称形式的二次不敏感控制型Ramp损失函数的支持向量回归机，该算法明确限制孤立点所造成的最大损失，不仅可以保持支持向量的稀疏性，而且还可以抑制异常值对决策超平面的影响。实验结果表明，该模型保持了很好的泛化能力，无论对模拟数据还是对黑龙江垦区2003-2012年粮食产量历史数据，都具有一定的拟合精度，与标准支持向量机模型相比，不仅能够降低噪声和孤立点的影响，而且也具有较强的鲁棒性。4.为了合理估算黑龙江垦区农机装备对粮食产量贡献的大小，利用2003-2012年黑龙江垦区统计年鉴的粮食生产统计数据，选取9个对粮食生产影响比较密切的指标进行实证分析。运用灰色关联法对影响粮食生产因素进行关联度大小计算，找出影响黑龙江垦区粮食生产的关键因素并进行了关联分析；利用2003-2012年统计数据，采取简单、易操作的柯布-道格拉斯(Cobb-Douglas)生产函数法和CES生产函数法，估算农机装备对黑龙江垦区粮食产出贡献为27.76%。最后对计算结果进行了结果分析和政策建议，以期为有关政府部门科学决策和制定粮食生产机械化发展政策提供参考。