Recientemente, los datos agrícolas anuales han sido altamente volátiles como resultado del cambio climático y las tendencias económicas nacionales. Por lo tanto, tales datos podrían no ser suficientes para desarrollar buenas políticas agrícolas para estabilizar la producción agrícola. Un buen modelo de predicción de producción agrícola para ayudar en la formulación de políticas agrícolas se ha vuelto esencial. Sin embargo, los datos altamente volátiles afectarían el rendimiento del modelo de predicción. Por esta razón, este estudio propone un modelo de optimización de matrimonio en abejas de miel/regresión de vectores de soporte (MBO/SVR) para minimizar los efectos de los datos altamente volátiles (valores atípicos) y mejorar la precisión de la predicción. Verificamos el rendimiento del modelo MBO/SVR utilizando la producción agrícola total anual recopilada del Anuario de Estadísticas Agrícolas oficial del Consejo de Agricultura de Taiwán. La producción agrícola total anual de Taiwán integra productos agrícolas, ganaderos y avícolas, pesqueros y forestales. Los resultados indicaron que el modelo MBO/SVR tuvo un error porcentual absoluto medio (MAPE), un error porcentual cuadrático medio (RMSPE) y un error cuadrático medio relativo (-RMSE) más bajos que los de los modelos con los que se comparó. Además, el modelo MBO/SVR predijo la producción agrícola a largo plazo de manera más precisa y logró una mayor simetría direccional (DS) que los otros modelos. En consecuencia, el modelo MBO/SVR es un modelo robusto, de alta precisión de predicción para predecir la producción agrícola a largo plazo y ayudar en la formulación de políticas agrícolas.