非线性模型广泛存在于大地测量、工程测量、变形监测、摄影测量与遥感等领域中。传统非线性模型的求解方法是将非线性最小二乘模型在初始值处泰勒展开取至一次项，忽略二阶及以上项，转化为线性最小二乘求解。随着测绘技术的发展以及相关领域对数据处理精度要求的提高，常用的近似线性化解法已不能满足当今的需求。因此，如何高效、快速、准确地求解非线性模型是一个值得研究的课题。　　本研究主要内容包括：⑴在归纳总结国内外现有非线性最小二乘估计的求解方法基础上，将其分为近似解法、直接解法、迭代算法和其他算法四大类，并对不同类方法中常用算法的基本思想和具体步骤进行了详细的阐述。⑵对常用的非线性最小二乘迭代解法Newton法、阻尼牛顿法、最速下降法、共轭梯度法、Guass-Newton法以及Levenberg-Marquardt法的算法思想、计算步骤、收敛性等进行了阐述，并给出相应的流程图。通过Matlab编程实现，结合多个算例对算法收敛性、迭代速度、对初始值的依赖性和适用性上进行对比和分析。⑶针对非线性模型的半参数估计模型中的参数分量与非参数分量分别加权，提出一种加权半参数估计模型。针对数据的不同特点来合理确定权重，改进了参数分量与非参数分量均等的半参数模型方法。分别对模拟数据和GPS真实数据进行处理，并与最小二乘法、岭估计法和半参数估计模型进行对比。通过定性和定量指标的对比分析可见，加权半参数估计模型得到的估计值与真值的距离最近，估计残差波动范围平缓，均方误差小，可以提高参数估计的精度。