La predicción de rendimiento de tomates en invernaderos es una base importante para la elaboración de planes de producción, y la precisión de la predicción de rendimiento afecta directamente los beneficios económicos. Para mejorar la precisión de la predicción del rendimiento de tomates en invernaderos solares de estilo chino (CSGs), se aplica un modelo de red neuronal de wavelet (WNN) optimizado por un algoritmo genético (GA-WNN). Se seleccionan ocho variables como parámetros de entrada y el rendimiento de tomates es la salida de predicción. Se adopta el GA para optimizar los pesos iniciales, los umbrales y los factores de traducción de la WNN. Los resultados del experimento muestran que los errores relativos medios (MREs) del modelo GA-WNN, del modelo WNN y del modelo de red neuronal de retropropagación (BP) son 0.0067, 0.0104 y 0.0242, respectivamente. Los errores cuadráticos medios de raíz (RMSEs) son 1.725, 2.520 y 5.548, respectivamente. Los valores de EC son 0.9960, 0.9935 y 0.9868, respectivamente. Por lo tanto, el modelo GA-WNN tiene una mayor precisión de predicción y una mejor capacidad de ajuste en comparación con los modelos de predicción BP y WNN. La investigación de este artículo es útil desde perspectivas teóricas y técnicas para la predicción cuantitativa del rendimiento de tomates en los CSGs.