我国是人口大国、农业大国,如何提高农业生产量和生产率是一个严峻的挑战。温室作物模拟模型是进行温室作物生长管理和环境优化调控的有力工具。因此,温室作物生长发育模拟模型的建立,对实现我国温室作物生产与环境调控的优化管理、提高温室作物生产的经济和生态效益具有重要意义。本文在2008～2010年间,在山东理工大学工厂化农业研究中心自行研制的大空间无糖组培苗培养装置内进行了不同栽培基质类型、不同空气温度、光照强度、相对湿度、CO2浓度的菊花组培苗培养试验。通过对试验数据的系统分析,以菊花组培苗的发育生理生态过程为基础,利用神经网络的方法建立了菊花组培苗干物质模拟模型。但是,由于在实际应用中,神经网络收敛速度慢,对于较大的搜索空间多峰值和不可微函数,网络极易陷入局部极值点；另外神经网络的初始权值、阀值以及网络结构的选择缺乏依据,具有很大的随机性,很难选取出具有全局性的初始点,因而求得全局最优的可能性较小,这些都影响了神经网络的泛化能力。鉴于神经网络的不足,本文采用一种新的优化搜索算法——遗传算法(Genetic Algorithms简称GA)优化神经网络,以培养装置内空气温度、相对湿度、光照强度、CO2浓度以及基叶面积作为组培苗生长过程的主要影响因素,以无糖菊花组培苗的实测数据为训练和检验样本,对组培苗生长主要参数——植株干重进行建模与仿真。结果表明,该方法适合组培苗生长建模。通过预测数据的仿真图形,验证了该建模方法的可行性和准确性,为下一步的深入研究奠定了基础。