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。

自然环境中存在大量各种各样的悬浮颗粒，有关粒子散射特性的研究具有广泛的应用价值。现有的理论计算较为复杂，且研究对象多为均匀球体模型，忽略了粒子内部组成结构的差异。通过分析双层均匀球体模型消光效率和吸收效率的计算过程，将异常衍射近似方法扩展到多层均匀粒子，并给出相应的误差比较，说明该方法的实用性。以海洋浮游微生物为例，着重讨论了双层均匀粒子具有不同内外球体参数以及内球和外球中心偏离情况的散射特性。仿真结果表明除了尺寸、折射率等参数，粒子的不均匀结构对前向散射也有作用，当内外球体参数相差较大时，有必要考虑结构因素对散射特性的影响。

为了获取流体中血红细胞精确的光散射信息，以反常衍射近似理论为基础，采用扁椭球构建了流体中血红细胞的数学散射模型。应用数值仿真模拟技术，分别讨论了血红细胞形体变化、体积变化、取向角和相对折射率变化对光散射幅值分布的影响，建立了相应的图谱分布，并通过实验对此模型进行了验证。结果表明，在前向小角度内，不同血红细胞大小、不同相对折射率对光散射信息有着较大影响。这一结果对于病理血红细胞的快速准确检测和流式细胞仪等细胞测量仪的精确测量是有帮助的。

基于海洋悬浮颗粒的折射率、 粒径分布特征, 利用异常衍射近似ADA(anomalous diffraction approximation)和米(Mie)散射方法进行衰减、 吸收和散射效率的光谱模拟, 分析两种方法计算结果相对偏差Δc, Δa, Δb及其影响因素, 探讨利用计算速度占优的ADA方法进行海洋悬浮颗粒光谱模拟的可行性, 研究发现： Δc, Δa , Δb受颗粒粒径、 折射率实部和虚部的共同影响, 且影响方式复杂; ADA方法满足计算精度(相对偏差小于5%)要求的最小颗粒半径Rmin随折射率和波长等的变化而变化. 考虑到ADA与Mie的计算偏差受到多种因素的影响, 而且海洋悬浮颗粒组分复杂多样, 建议在进行海洋悬浮颗粒光谱模拟时, 采用经典的Mie方法, 而不是计算相对快速的ADA方法.

在光全散射法颗粒粒径测量中，基于米氏(Mie)理论的计算方法只能求出均匀球形粒子的消光系数，而且计算复杂。通过反常衍射近似(ADA)代替米消光系数，可以简化粒径分布的反演过程。对使用反常衍射近似方法计算圆柱形粒子消光系数的可行性以及限制条件进行深入的研究，并在非独立模式算法下，采用遗传算法反演粒径分布。仿真结果表明，当粒子的相对折射率在一定范围内时，利用反常衍射近似反演圆柱形粒子的粒径分布是完全可行的，反演结果稳定、可靠。对消光值测量结果加入3%相对误差时，反演误差为5.7%。该方法具有简单、直观、计算速度快等优点，适合颗粒粒径的在线测量。