简单来说，包括四个部分：建立概念模型，建立定量模型，模型检验，模型应用。
建立生态数学模型的方法一般认为至少有两种途径：
一种是分室方法，用以研究生态系统中各分室的物质与能量的流动，并给出定量的表示。
一种是实验组成成分法，主要用于复杂生态系统的生态过程(如捕食，竞争等)的分析。
以下是生态建模的一般过程示意图：
可以概括如下：
模型准备 首先要明确地定义所研究的问题，确定建模目的，确定系统边界，确定模型的组分（输入和输出变量，初始和驱动变量，参数，时空尺度），建立流程图。了解问题的实际背景，明确建模的目的搜集建模必需的各种信息如现象、数据等，尽量弄清对象的特征,由此初步确定用哪一类模型，总之是做好建模的准备工作．情况明才能方法对，这一步一定不能忽视，碰到问题要虚心向从事实际工作的同志请教，尽量掌握第一手资料.
模型假设 根据对象的特征和建模的目的，对问题进行必要的、合理的简化，用精确的语言做出假设，可以说是建模的关键一步．一般地说，一个实际问题不经过简化假设就很难翻译成数学问题，即使可能，也很难求解．不同的简化假设会得到不同的模型．假设作得不合理或过份简单，会导致模型失败或部分失败，于是应该修改和补充假设；假设作得过分详细，试图把复杂对象的各方面因素都考虑进去，可能使你很难甚至无法继续下一步的工作．通常，作假设的依据，一是出于对问题内在规律的认识，二是来自对数据或现象的分析，也可以是二者的综合．作假设时既要运用与问题相关的物理、化学、生物、经济等方面的知识，又要充分发挥想象力、洞察力和判断力，善于辨别问题的主次，果断地抓住主要因素，舍弃次要因素，尽量将问题线性化、均匀化．经验在这里也常起重要作用．写出假设时，语言要精确，就象做习题时写出已知条件那样．
模型构成 根据所作的假设分析对象的因果关系，利用对象的内在规律和适当的数学工具，构造各个量(常量和变量)之间的等式(或不等式)关系或其他数学结构．这里除需要一些相关学科的专门知识外，还常常需要较广阔的应用数学方面的知识，以开拓思路.当然不能要求对数学学科门门精通,而是要知道这些学科能解决哪一类问题以及大体上怎样解决．相似类比法，即根据不同对象的某些相似性，借用已知领域的数学模型，也是构造模型的一种方法．建模时还应遵循的一个原则是，尽量采用简单的数学工具，因为你建立的模型总是希望能有更多的人了解和使用,而不是只供少数专家欣赏.
建立定量模型（或概念模型的定量化）： 选择模型类型，建立模型（确定变量间的函数关系）， 参数估计和校准（calibration），编写计算机程序，模型确认（model verification）：仔细检查数学公式和计算机程序，撰写模型文档资料。
模型求解 可以采用解方程、画图形、证明定理、逻辑运算、数值计算等各种传统的和近代的数学方法，特别是计算机技术．
模型分析 对模型解答进行数学上的分析，有时要根据问题的性质分析变量间的依赖关系或稳定状况，有时是根据所得结果给出数学上的预报，有时则可能要给出数学上的最优决策或控制，不论哪种情况还常常需要进行误差分析、模型对数据的稳定性或灵敏性分析等．
模型检验 把数学上分析的结果翻译回到实际问题，并用实际的现象、数据与之比较，检验模型的合理性和适用性．这一步对于建模的成败是非常重要的，要以严肃认真的态度来对待．当然，有些模型如核战争模型就不可能要求接受实际的检验了．模型检验的结果如果不符合或者部分不符合实际，问题通常出在模型假设上，应该修改、补充假设，重新建模．有些模型要经过几次反复，不断完善，直到检验结果获得某种程度上的满意．
模型时空延扩：把建立好的模型在时间和空间尺度进行扩展
模型应用： 应用的方式自然取决于问题的性质和建模的目的。
模型运行和评价 Levins(1966)曾提出组建数学模型的三条标准：
⑴真实性，模型的数学描述要符合生态系统实际；
⑵精确性，是指模型的预测值与实际值之间的差异程度，
⑶普遍性，即模型的适用范围和广度。
实际中，一个模型要同时满足这三条标准是十分困难的，Walters对此做了较精辟的论述，同时还介绍了两个与真实性和普遍性有关的指标，即分辩率(resolution)和完整性(wholeness)。这两个概念分别由Bledsoe和Jamieson(1969)及Holling(1966)提出的。
总之，并不是所有建模过程都要经过这些步骤，有时各步骤之间的界限也不那么分明．建模时不应拘泥于形式上的按部就班，在实际建模过程中可以灵活采取。