考虑以下非线性模型　　 yi=f(xi,θ)+ei,i=1,2,…,n其中θ为—P维未知参数，xi为q维已知向量，f为已知函数，ei为不可观测的随机误差，yi为观察值.设Θ为参数空间，Θ?RP，xi∈,x,i=1,2,…，X为Rq的有界闭子集，f为—X×Θ上的连续函数.　　 令?为R上的非负连续函数，定义θ的M估计量为θn∈Θ，使得　　 Qn(θn)=min{Qn(r),r∈Θ}，其中，Qn(r)=∑?(yi-f(xi,r))，Θ为Θ的闭包.　　 在非线性模型中，误差ei为这些情况的研究还比较少，只做到了误差ei为独立同分布时非线性模型M估计的强相合性的研究，见参考文献[l]，误差ei为独立不同分布时见参考文献[2]，ei为α混合序列非线性模型M估计下的强相合性见参考文献[3]，误差为NA时非线性模型M估计的强相合性见参考文献[4]，而当误差为p?，p?混合等相依情况未见报道，同时由于文献[2]的研究比较早，有很大的改进空间，这就为本文提供了创新的机会.　　 本硕士论文主要进行了以下几个方面的研究：　　 第1章是对ei为独立但分布未知的情况下的进一步研究，是对邵军老师文章[2]中的结论的进一步改进，并给予了证明.第2章首先介绍了ei为混合序列时的几个重要的性质和相关引理，通过对文献[4]的研究，得到关于p?混合序列在非线性模型下M估计的强相合性的新结论并给予了严格的证明.第3章是ei为p?混合序列时，本人在文献[3]的启发下，创造合适的条件，得出关于误差为p?混合序列时非线性模型M估计的相关结论并给予了严格的证明.