目的建立基于数据挖掘技术的三七叶地区生长预测模型，为三七全生育期的准确管理和决策提供参考。方法以2018年4月至10月红河自治州和泸西县云南省三七种植基地大棚气象因子数据和三七叶地区生长数据为训练集和测试集，基于粒子群优化随机森林算法构建生长预测模型。结果通过特征工程中皮尔森系数的分析，可以看出三七叶的生长与气象因子的土壤温度、上层水汽压和下层水汽压呈正相关，其中土壤温度的正相关度最大，皮尔森相关系数的正相关度为0.75～0.90。下层土壤的热通量与三七叶的生长呈负相关，其皮尔森相关系数值为-0.4～-0.3。对于由粒子群优化-随机森林算法训练的增长预测模型，均方根误差（均方根误差，RMSE）的收敛时间值为0.02182，经该模型优化的三七叶增长预测模型的确定系数达到0.999 97。结论实验结果表明，用粒子群优化算法随机森林算法构建的三七叶地区增长预测模型具有较高的预测精度。该方法为三七叶的增长预测提供了新的研究思路。