回音壁模式的光学微腔具有超高的品质因子以及极小的模式体积,因此基于此类光学微腔的生化传感器普遍都有着超高的探测灵敏度,这也使得该类传感器在许多领域有着广泛的应用前景。本文利用微腔的谐振状态随待测物质变化而变化的性质,提出了一种以热耗散率为传感指标的传感机理。通过结合人工神经网络这种先进的参数测量方法,可以有效提取传感信息,获得准确率较高的测量参数,并且能够避免采集整个传输过程,实现低成本检测。当利用探测激光扫频CaF₂光学谐振腔时,在其传输波形上可以观察到显著的自激光热振荡现象。该振荡的形成原因是热膨胀效应,光热效应以及克尔效应三者之间的相互作用。本文建立了该自激光热振荡效应的理论模型,并且对该理论模型进行了仿真分析。研究表明,光热振荡上的振荡周期值与微腔的热耗散率有关。热耗散率的定义为热量从光学微腔传输到腔体周边环境中的速率。热耗散率与待测物质的性质有关,当其性质发生改变时,热耗散率就会相应地发生改变,这在传输过程中表现为振荡周期的变化。随着热耗散率取值的增加,传输波形上的振荡个数逐渐减小,最后趋于平稳。利用这一特点,可以根据传输过程确定此时微腔中热耗散率的值,从而达到高性能传感的目的。然而,多个振荡周期与热耗散率呈非线性关系,无法通过某个振荡周期值有效测量其热耗散率。因此,本文采用了人工神经网络这一先进的非线性参数测量方法。本文采用了两种人工神经网络,即反向传播神经网络和广义回归神经网络,并搭建了基于这两种神经网络的传输数据测量模型,通过输入光热振荡周期值进而测量其相应的热耗散率值。数值仿真结果证明了这种基于神经网络的测量模型可有效地反映出热耗散率的变化趋势,且测量精度较高,对实现基于光学微腔的热参量探测具有重要意义。同时,通过对这两种神经网络性能的比较,发现了GRNN神经网络不仅优化过程更为简单,测量性能也更佳。