通过消光系数反演椭球颗粒群的几何参数是颗粒测量领域的重要问题,传统基于进化算法的反演技术需多次数值积分求解消光系数,效率较低。针对该问题,提出了一种基于机器学习的计算方法。首先,参数化表达颗粒群的粒径与形状;然后,基于反常衍射近似理论建立椭球形颗粒消光系数的训练及测试数据集;最后,用多层感知器人工神经网络实现颗粒群参数与消光系数之间的映射,并研究了神经元数目、波长、颗粒群分布模型等因素对预测精度及效率的影响。实验结果表明,当隐藏层神经元数目为20时,预测平均误差低于0.05%,单机预测时间约为0.6 μs。该技术提供了一种高效准确的消光系数计算工具,进一步结合进化算法有望实现球形及椭球颗粒群粒径与形状参数的实时反演。