利用数学模型研究系统结构及变化规则推动了生化系统的发展，通过时间进程数据推断非线性生化系统模型，仍是研究生化系统需要面临的重大挑战之一。本文研究了一类非线性S-型生化系统的参数辨识问题。以往的研究工作取得了一定的成果，但是需要较长的计算时间。为此，本文提出了一种可以辨识S-型生化系统参数的新模型和新算法。论文研究的主要内容和取得的结果如下：1、针对一类非线性S-型生化系统，本文综合考虑代谢物的浓度误差准则和斜率误差准则，首先构造了S-型生化系统参数辨识问题的优化模型，然后应用序列二次规划算法求解所建立的优化模型。2、为了说明算法的有效性和可行性，将本文建立的模型与算法应用到几个非线性S-型生化系统中。仿真结果表明，本文提出的优化算法不仅能够比较准确地辨识出参数，而且能够提高计算速度，节省计算时间。