利用落锤冲击试验设备对石英砂岩进行循环冲击加载, 在0.3～0.6 m各冲击高度下均选取3个试样, 每个试样进行8次循环冲击, 应变率分别选取为26.33 s-1、29.7 s-1、32.03 s-1和35.17 s-1, 研究中应变率下石英砂岩受循环冲击加载下的力学性能。通过对试验数据进行分析总结, 讨论循环加载次数对石英砂岩动态抗压强度、弹性模量和能量效率的影响以及中应变率下石英砂岩的破坏过程。结果表明：不同中应变率条件下, 第8次循环冲击加载作用下试件的动态抗压强度均较第一次循环冲击减小约13 MPa, 抵抗变形能力减弱, 同时弹性模量明显降低, 试件动态抗压强度与弹性模量表现出正向相关关系; 从能量角度研究, 在8次循环冲击加载后, 试样耗散能、能量效率、单位体积耗散能均有提高, 其中在冲击能为70.27 J效果最为明显, 岩石耗散能提高6 J、能量效率提高8.8%、单位体积耗散能增幅50%; 从破碎分形角度进行研究, 中应变率下岩石破碎形态有劈裂破坏、边缘崩落破坏、块状破坏和粉碎破坏, 当应变率由26.33 s-1增大至35.17 s-1时, 试样碎块块度平均粒径特征值由24.49 mm减小到21.15 mm; 分形维数由1.07增加至1.75, 岩石分形维数呈线性增大趋势。

不同于传统被动光学传感器， 高光谱激光雷达发射主动式全波段高斯脉冲激光， 和植被叶片表面相互作用后， 不同波段后向散射强度返回至接收器并被记录下来。 以往的高光谱激光雷达植被叶片反射特性研究只聚焦于零度角入射的情况， 对多入射角方向反射光谱特性以及方向反射特性对叶片叶绿素含量估算带来的误差尚未进行过深入研究。 利用实验室研发的32波段高光谱激光雷达获取了不同入射角下的植被叶片反射光谱， 对高信噪比波段下植被叶片的复杂方向反射特性进行了深入分析， 随后选择光谱指数研究了高光谱激光雷达测量条件下植被方向反射特性对叶绿素含量反演的影响。 结果表明， (1)高光谱激光雷达植被叶片回波强度随入射角增大逐渐降低， 但二向反射率因子并不逐渐减小， 在可见光和近红外波段， 二向反射率因子随入射角增大分别呈现出两种不同形状特征， 可见光波段反射率因子最大值出现在0°~10°， 近红外波段最大值出现在60°， 反射率因子最小值均出现在45°处， 最大和最小反射率因子间可差0.1左右， 可见光和近红外波段10°~60°内二向反射率因子均呈现先减小后增大的趋势; (2)通过对不同入射角下光谱指数与叶绿素含量的回归分析发现， 方向反射特性对反演精度有非常大的影响， R2和RMSE并不随着入射角增大统一呈现同步增大或同步减小的趋势， 具体地， R2随入射角的变化趋势是先减小， 再增大， 再减小， 50°左右时最小， 增大发生在60°， RMSE则反之。 对于不同光谱指数， R2随入射角增大变化可达4倍， 波动范围为0.14~0.63， RMSE最大变化为1.5倍左右， 在0.5~0.8 mg·g-1内波动。 R2和RMSE的重大变化揭示了高光谱激光雷达植被叶片方向反射特性对叶绿素含量反演的重要影响。

为实现激光湍流大气传输效应的快速评估，采用数值仿真方法研究高斯光束远场长曝光光斑的定标规律。首先，对理想光束真空衍射和湍流扩展效应分别定标，结果表明光源截断强弱影响远场有效半径大小。然后，考虑衍射、初始像差、平台抖动和湍流扩展的相互作用，改进了半径平方加和假设，建立了远场63.2%环围功率半径和平均光强的定标规律模型。特别地，对于截断因子为22的高斯光束，在实际激光系统特性、常用光学湍流廓线、地对空传输路径组成的参数空间中开展了数值仿真，利用遗传算法确定了模型的标度指数。结果表明基于改进的半径平方加和方法所建立的定标规律模型精度有了显著提升。定标规律模型与数值仿真的结果对比表明，真空传输远场半径的平均相对偏差为1.55%，湍流大气传输远场半径和平均光强的平均相对偏差分别为1.92%和3.80%。

在中国南部热带海域，基于超声风速仪阵列测量的大气三维风速可计算得到速度结构常数Cv2，结合折射率梯度可计算得到折射率结构常数Cn2，其中温度和湿度对Cn2的影响是通过折射率梯度体现。将超声单点虚温估算方法的计算结果作为标定，与本研究的超声风速仪阵列估算方法的144次计算结果进行相关性分析，得到平均相关系数为0.85，最高可达0.99，最低为0.71；通过误差分析，可得平均ΔlgCn2为0.3。研究表明：超声风速仪阵列能够捕捉高频光学湍流效应的变化情况，利用超声风速仪阵列估算近海面光学湍流强度可以从风速、湿度、温度等不同方面分析湍流效应，实现在无人值守情况下对光学湍流的连续、长期的全天候观测。

在生产钠钙硅酸盐玻璃制品时，采用全碎玻璃为生产原料，分析了生产过程中的工艺控制点以及鼓泡系统的作用。

在海洋地区利用相干多普勒激光风廓线雷达反演可以得到边界层内全天候大气光学湍流廓线。采用机器学习方法-后向传播神经网络进行训练得到边界层光学湍流估算模型,以探空实测常规气象参数作为模型输入参数估算不同日期不同时刻的边界层内大气光学湍流廓线,并与实测值进行比较。通过误差分析可知,白天和夜晚的估算光学湍流廓线均方根误差分别为0.4332和0.5626,相关系数分别为0.8899和0.7673。该研究表明,相干多普勒激光风廓线雷达反演的光学湍流廓线可以通过神经网络模型实现全天候对海洋大气边界层光学湍流廓线估算的功能,且效果较好,在光电工程及天文选址方面具有重要工程参考意义。

利用温度脉动仪在近海面测量的大气折射率结构常数Cn2，结合集合经验模态分解（EEMD）获得不同时间尺度的本征模态函数（IMF）分量，对IMF的周期进行分析，结果表明IMF的平均周期存在较高吻合度的自然指数关系，根据大气湍流各态历经性可以得到其空间尺度特征。对得到的IMF分量进行Hilbert变换，得到IMF在各自中心频率的瞬时波动情况，同时得到常规气象参数与Cn2的Hilbert-Huang变换边际谱。结果表明，对比传统的快速傅里叶变换（FFT），Hilbert-Huang变换更能体现出光学湍流的频谱分布特征。分析了不同层结的常规气象参数与Cn2的相关性，进一步认识近海面光学湍流时空特征。研究结果为海洋环境下激光传输提供一定参考价值。

主要利用支持向量机的机器学习方法开展估算大气光学湍流廓线的研究。通过选取沿海地区实测探空数据,利用温度、压强、相对湿度、风速、风速切变和温度切变实测廓线数据,依据支持向量机估算得到不同日期的大气光学湍流廓线,并与实际测量值进行比较。误差分析结果表明:在2018-05-05和2018-05-10,估算的大气光学湍流廓线与实际测量廓线的均方根误差分别为0.4461和0.3939,相关性分别为70.42%和62.17%。研究证明:根据实测数据训练学习得到的支持向量机模型能够较为准确地估算沿海地区大气光学湍流廓线,虽有一定误差,但大致趋势吻合,验证了支持向量机方法估算大气光学湍流廓线的可行性,从而为利用常规气象探空数据直接估算大气光学湍流廓线,并为建立相关模式的可能性打下基础。

大气光学湍流是与光电工程系统设计、应用密切相关的基本参数。通过仪器实地测量大气光学湍流廓线时会受到人力、物力、财力等多种条件的限制，因此依据常规气象参数估算大气光学湍流强度具有十分重要的意义。提出一种结合遗传算法的反向传播（GA-BP）神经网络。首先，基于Tatarski大气光学湍流参数化方案，利用HMNSP99外尺度模式估算了大气光学湍流廓线；其次，尝试基于实测数据训练BP神经网络，并结合遗传算法估算大气光学湍流廓线。将两种方法估算的大气光学湍流廓线与实测的廓线进行对比，结果表明：GA-BP神经网络模式估算值与实测值的均方根误差（RMSE）比HMNSP99模式的RMSE小，表明利用GA-BP人工神经网络模式估算大气光学湍流廓线是一种可行的方法。

通过构建人工神经网络模型估算中国西北高原地区近地面光学湍流。对多层感知器(MLP)的结构进行优化,其输入层包括10个特征,隐含层包括40个神经元。探讨已建多层感知器的性能,结果表明:当训练集和测试集来自同一地区时,模型的平均相对误差为1.34%,折射率结构常数的实测值和估计值的拟合优度为0.94;当训练集和测试集来自不同地区时,多层感知器的泛化能力需进一步提高。