人工智能技术日新月异的发展，必然带动现代化农业的迅速发展。然而日积月累，现在农业领域已积累了大量的宝贵数据，急需新的技术去挖掘、利用现有农业数据之间的内在规律和本质，利用现代的信息技术去更好的服务农业，提高农业的运作效率，减轻农民负担。本文将遗传程序设计(Genetic Program，简称GP)和人工神经网络(Articial Neutral NetWork)等技术运用于现代化的施肥模型构造中，并与传统的施肥模型构造方法做出对比，以指出传统建模方法的不足之处。 本文的主要工作及所作贡献如下： (1)分析了进化计算中的GP的运行机理，从GP存在的问题出发，以提高算法搜索效率加强收敛性能为目的，对遗传程序设计结合本实验项目作进一步改进及其在实验室中的运用。引入一种新的符号回归算法GEP，它集GP和GA的优点。 (2)神经网络是一种有效的智能化模型建立、优化的方法，它具有一般统计方法无可比拟的特殊优势。针对BP算法在施肥模型建立过程的缺陷，做出了一些改进。采用Levenberg-Marqtlardt算法，可变学习速率算法，动量算法训练BP网络，结合仿真试验，以提高算法运行效率加强收敛性能为目的，对这几种改进算法进行了分析和对比，同时利用GP对神经网络的激励函数进行优化。 (3)针对现有的施肥模型优缺点进行探讨及其将不同的建模方法应用到施肥过程中，最后以安徽省肥西县三组施肥数据作为数据源，进行四种不同施肥模型的试验数据比较和对比。 (4)针对智能化施肥模型系统进行需求分析，给出了系统设计的基本框架和主要功能设计，介绍了对历史数据可能存在异常、噪声甚至遗漏的情况等不一致数据进行预处理。在介绍系统开发中所采用的关键技术基础上，设计了三种施肥智能化优化模型。