单木生长模型是林分生长和收获预估模型的重要组成部分,本文以福建省将乐县国有林场的杉木人工林为研究对象,基于标准地实测数据以及解析木数据,采用传统非线性模型、BP神经网络以及非线性混合模型,分别构建杉木的树高曲线方程、直径与年龄的关系方程、树高与年龄的关系方程以及材积与年龄的关系方程,并探讨分析三种模型在构建单木生长模型中的应用。结果表明：1、在模型构建过程中,不管是树高曲线方程还是直径、树高、材积与年龄的关系方程,三种方法的拟合效果和预测精度都比较好,其中非线性混合模型表现最优,其次是BP神经网络。2、树高曲线方程在预测树高时,传统模型在胸径小于10 cm时,效果要优于其他两种模型,因此建议在直径小于10 cm的幼龄林可以运用传统非线性模型进行标准树高曲线的建模,在除幼龄林以外的林分内可考虑其他两种模型。3、在对五个理论生长方程进行拟合时发现,Richards方程拟合直径、树高与年龄的关系时表现最好,Gompertz方程在拟合材积与年龄的关系时表现最好,同时两个方程分别被选为传统非线性模型中的最优模型,并作为混合模型的基础模型。混合模型效果较其他两者优势较为明显,且BP神经网络模型与传统模型差异不显著,因此建议以后建立直径、树高、材积与年龄的生长方程时,可以采用混合模型的方法。4、传统模型在模型的建立方面,简单快捷,可操作性强,但是相关精度相对较低。BP神经网络可以模拟那些无法用当前数学函数表示的关系,但最优模型不易确定,且输入量较少时无法发挥其优势。非线性混合模型可以考虑样地或样木效应,有效的提高了模型的精度,但是结构相对复杂,并且在模型检验时,抽样样本的大小和数量难以统一。