近年来设施栽培迅速发展，为我国“菜篮子”工程做出了突出贡献。产量和品质是设施蔬菜的两个重要指标，而设施蔬菜的产量与品质与水肥管理密切相关。目前，关于不同灌水施肥量组合对设施番茄产量和品质的影响己做了大量的试验研究，但由于不同地区的土壤、环境、气候等条件各不相同，使得试验结论的推广性受到一定的限制，造成了目前研究中普遍存在的“数据繁杂，知识匮乏”的现状，所以，挖掘实验数据资料中潜藏的内在规律，提高信息利用率，以便能及时地提供具有预测性、时令性、指导性的实用信息已成为亟需解决的难题。鉴于此，本文以设施番茄为例建立了水肥与产量品质关系的支持向量机模型，旨在为设施栽培的水肥优化管理提供决策支持。为此，本论文主要做了以下研究;　　(1)由于水肥水平与设施番茄产量品质等级间的关系比较复杂;影响设施番茄水肥水平及产量品质等级的诸多因子既有确定性的，又有不确定性的，且各因素之间相互影响;在对水肥水平及产量品质等级评价时，还存在着边界不明确的的模糊现象和概念，难以用经典数学描述，因此提出了采用模糊评价的方法对水肥水平及产量品质等级进行结构化处理。　　(2)对水肥水平及产量品质的不确定性进行了分析，建立了相应的模糊评价模型。对于灌水水平，以设施番茄的需水量为指标，采用“对比客观尺度法”建立了灌水水平的隶属函数;对于施肥水平，首先根据土壤本底条件对地力情况进行了模糊评价，将地力划分了“贫瘠”“一般”“肥沃”三个等级，并结合施肥量建立了不同地力等级条件下的施肥水平隶属度函数;在对产量等级进行评价时，根据不同生长类型番茄的产量状况，利用“指派法”建立了产量等级的隶属度函数，将产量划分为了五个等级;由于构成番茄品质的指标较多，在对番茄品质进行评价时采用了模糊综合评价的方法，评价时通过“两两比较法”确定了各营养指标的权重，通过模糊综合评价将设施番茄的品质划分为了五个等级.通过模糊评价将设施栽培水肥与产量品质关系的研究由定性描述转化为了定量评价。　　(3)由于支持向量机在处理小样本、非线性及函数拟合等问题中具有精度高、鲁棒性好、模型简单等优点，本文以设施番茄的灌水及施肥水平为输入，以产量及品质等级为输出，建立了水肥与产量品质关系的支持向量机回归模型，并利用粒子群优化算法(PSO)对支持向量机(SVM)的关键参数C、δ进行了优选，有效避免了人工试算法计算量大和参数选取不合理造成的“过学习”和“欠学习”现象。通过实例分析表明，模型的预测精确度较高，可以比较准确地预测出不同水肥处理条件下的产量及品质等级，证明了所建预测模型的有效性和实用性。该模型可为设施栽培的水肥精细化管理提供借鉴。