本文对于若干混合智能计算方法进行了理论阐述及其相关的应用研究，并着重探讨了基于GA-BP算法的冠心病无创性诊断问题，基于GA-BP-PSO算法的地质灾害危险性评价问题，基于GRA-BRLMBP算法和MIV-BPSVM算法的森林火灾预测问题，以及基于GA-SVR算法的淀粉价格预测问题。具体内容包括：1.针对冠心病无创性诊断问题，将遗传算法和BP神经网络算法混合，提出了GA-BP算法。该算法在快速得到全局准最优解的同时，避免了BP神经网络算法容易陷入局部最优解的问题。2.针对地质灾害危险性评价问题，将遗传算法、BP神经网络算法和粒子群算法混合，提出了GA-BP-PSO算法。该算法提高了BP神经网络算法的收敛速度，更好的解决了地质灾害危险性评价问题。3.针对森林火灾预测问题，将灰色系统、贝叶斯正则化L-M算法、BP神经网络算法、平均影响值算法和支持向量机算法混合，分别提出了GRA-BRLMBP算法和MIV-BPSVM算法。GRA-BRLMBP采用灰色关联法对森林火灾影响因子进行择优筛选，然后采用贝叶斯正则化L-M算法在BP神经网络算法中进行迭代，可以有效地提高网络收敛速度，防止结果陷入局部最优；与GRA-BRLMBP算法不同，MIV-BPSVM算法采用MIV-BP神经网络算法进行择优筛选森林火灾影响因子，然后采用SVM算法对森林火灾预测分析，提高了该问题的结果精度。两种算法都很好的解决了森林火灾预测问题。4.针对淀粉价格预测问题，将遗传算法和支持向量机回归算法相混合，提出了GA-SVR算法。该算法采用遗传算法对SVR算法参数寻优，减少迭代次数，具有较好的泛化能力，在淀粉价格预测问题中取得了较好的应用效果。