线虫是一类两侧对称原体腔无脊椎动物，按寄主不同，可分为动物寄生线虫和植物寄生线虫。植物线虫的正确分类鉴定是检疫工作的核心，是植物保护以及病害流行预报获得成功的基础和关键。传统的线虫分类鉴定工作是借助高倍电子显微镜，经专业人士观察、记录线虫个体的形态特征，与检索表进行比较对照，做出判断。本论文应用人工神经网络方法，建立数学模型，以实现潜根属、伞滑刃属、长尾属等三属线虫的分类鉴定工作的自动化、智能化。 　　本文依据已知的潜根属、伞滑刃属、长尾属线虫的分类结果，建立目标函数E=1/2n∑i=1‖Oi-Yi‖2=1/2n∑i=1‖g[g(XiW(1))W(2)]-Yi‖2，为使目标函数取得最小值，应用BP算法(第三章)、模拟退火算法(第四章)及两种方法相结合(第五章)，选取线虫的六个基本形态特征数据，经正交试验结果分析确定活化函数g(x)=1/1+e-x，确定权重矩阵W(1)、W(2)；利用学习后的权重矩阵，建立了判别模型min1≤i≤3{‖g[g(XiW(1))W(2)]-Yi‖}。 　　经测试集对判别模型的验证表明：BP算法、模拟退火算法以及改进的BP算法，可用于潜根属、伞滑刃属、长尾属的属间分类研究，建立的判别模型的正确识别率较高(89.19％)，有应用价值。