近些年射频技术的发展十分迅猛,射频微波器件在工程技术上的应用也越来越广泛。为提升芯片及相关模组的设计效率和设计精度,需要针对射频器件在不同频率下的射频特性进行准确刻画。上述任务一方面可以通过行为级建模的方式予以描述,另一方面可以通过准确的三维全波电磁仿真方法进行分析计算来描述。然而,随着频率增加,射频器件的等效电路模型参数在不同的应用场景下会出现一定的偏差,传统的经验模型将不再适用,而通过电磁仿真的方式获得器件特性又耗时耗力。随着计算机硬件的提升、大数据的涌现以及算法的改进,人工智能技术依靠其强大的非线性映射能力逐渐开始应用到电路设计中。近些年人工智能技术的迅猛发展也为射频器件建模及优化打下了坚实的基础。在本文中,结合具体第三代化合物半导体Ga N工艺,提出了一种基于人工智能的射频建模方法。具体而言,以微带线模型为基本模型,在经验模型修正的基础上,引入了基于人工智能（Artificial Intelligence,AI）的建模优化方法,开发出混合型微带线模型,有效提升了模型精度和适用范围。本文研究的主要内容及创新性为:首先,由三维电磁仿真软件仿真射频器件的特性参数作为数据集,使用人工智能的算法训练生成可以代替仿真工具的AI模型,此模型可以加速生成射频特性参数的过程,代替电磁仿真工具,提高射频电路设计迭代效率;其次,以具体工艺的微带线为基本器件样例,基于传统经验模型提出了一种针对频率、多层介质及衬底损耗影响的新的修正模型,并验证其准确性;最后,提出修正模型、遗传算法与AI模型相结合的混合模型,实现从设计目标参数到物理参数的整体优化。这种建模方法可以加速设计微带线构成器件的过程,准确的修正模型及误差小的遗传算法优化方式可以简化传统多次设计仿真的冗长迭代过程。