以聚丙烯酸酯类系列水基聚合物包膜控释肥料为样品, 测定了包膜肥料养分的释放曲线并原位测定了肥料包膜的中红外光声光谱, 分析了不同肥料的养分释放曲线以及不同包膜材料的红外光声光谱特征； 采用广义回归神经网络模型(GRNN), 以肥料包膜红外光声光谱的主成分作为GRNN模型的输入层, 并以包膜肥料养分释放曲线为输出层, 构建了预测养分释放曲线的GRNN模型。 结果表明, GRNN模型能快速有效地预测包膜肥料养分释放曲线, 其预测相关系数(R2)达0.93以上； 包膜的探测深度明显影响释放曲线的预测误差, 最小预测误差为7.14%, 平均为10.28%, 且基于包膜表层红外光声光谱的预测误差最小。 因此, 结合GRNN模型, 红外光声光谱可为包膜肥料养分释放曲线的快速预测提供新手段。