我国是一个农业大国，耕地面积约20亿亩，但人均耕地面积仅有1.4亩，人多地少的矛盾突出。随着人口的不断增加及耕地的减少使得我国粮食增产问题面临着巨大的挑战，在耕地面积有限的情况下要达到增产的目的只有提高单位产量。研究表明，施肥是促进粮食增产保收的重要手段，其在粮食增产中的贡献率高达40％～50％。长期以来，我国在肥料的使用上存在很大的盲目性，肥料利用率较低，这不仅造成了肥料浪费，同时也对农业生产环境造成一定的污染。科学合理的施肥不仅能提高作物产量、改善作物品质，降低农业生产成本，而且减少对生态环境的污染。因此，进行施肥模型构建与方法研究对我国农业可持续发展具有重要的意义和使用价值。　　 为了解决施肥模型中的模型构造问题，本文主要从以下几个方面进行研究：　　 1、分析了国内外普遍采用的基于回归分析方法施肥模型构造算法。该方法采用三元二次方程结构，使用最小二乘法进行参数优化。由于三元二次方程结构本身具有很强的信息挖掘能力，因此这种方法广泛运用于施肥模型的构造。但同时这种方法也存在一定问题，即在进行参数优化时，有一些数据因无法拟合而被舍弃，造成数据浪费。　　 2、研究了基于智能计算的施肥模型构造算法。为了解决传统回归分析方法在施肥模型构造过程中的数据浪费问题，国内外学者提出了基于智能计算方法进行施肥模型的构造。本文分别研究了基于神经网络算法、基于GP/GA施肥模型构造算法，并在GP/GA基础上提出了基于协同进化施肥模型构造算法。研究结果表明：这些算法能够在一定程度上解决数据浪费问题，但这些算法具有一定的随机性，稳定性较差，而且构造出的模型结构复杂，不利于推广应用。　　 3、结合回归分析方法和智能计算方法的特点，提出了回归-遗传施肥模型构造算法，该算法以回归分析的三元二次方程作为模型的结构，使用遗传算法进行参数优化。实验结果表明，该算法能够在一定程度上解决数据浪费问题，同时由于采用三元二次方程结构，因此方程结构比较简单，且具有较高的拟合数据精度易于推广应用。