茶树的生长、产量和品质受树冠结构的影响,因此利用数学模型来模拟茶树树冠指标的变化可以指导茶树的栽培和管理。考虑到茶树树冠各指标不但相互影响,而且与前几年生长数据相关,针对茶树树冠15个生长指标的18年数据,建立了多元差分方程组模型,并提出了一种结合利用聚类分析和神经网络进行模型参数估计的方法。计算表明,笔者研究中模型的平均相对误差绝对值(MAPE)为0.045828,低于一元差分方程模型的MAPE的平均值0.0618和一元回归方程模型的MAPE的平均值0.0842,精度有明显提高。该方法可以用于其他多维时间序列的差分方程组建模。