自动气象站上应用的温湿度传感器在实际业务观测中,由于受到温度、湿度、压力等环境参量的影响,会引入附加的测量不确定度。因此,需要综合考虑温湿度传感器在多参量影响下的测量不确定度,才能对观测数据的质量具有科学、全面的把握。本文针对温湿度传感器在实际业务观测过程中环境影响参量进行理论分析研究,确定主要影响因子,制定详细的实验方案,通过对观测数据的分析研究得出,温度对湿度传感器存在较大影响,同时湿度对温度传感器也存在较大影响,然后,分别利用改进的遗传算法(Genetic Algorithm GA)结合反向传播(Back Propagation BP)(?)神经网络算法、最小二乘和径向基函数(Radical Basis function RBF)神经网络融合算法以及傅立叶基神经网络算法对影响因子进行修正,最后重新评估温湿度传感器的不确定度,为观测数据的质量评估、改善和地面探测技术发展规划提供科学依据。主要研究内容包括：温湿度传感器的影响因子分析研究。从理论分析和实验观测两个角度分别论证环境参量的影响,定性得出主要影响因子,从而进一步进行定量实验研究。对实验观测数据分析得出温度对湿度传感器存在影响和湿度对温度传感器存在影响的实验结果。湿度传感器的影响因子修正算法模型。从温度对湿度传感器影响的实验数据出发,分别利用改进的GA-BP神经网络算法以及最小二乘结合RBF神经网络的融合算法,建立适当的数学模型,对影响因子温度进行补偿研究。结果表明,两种方法能够有效补偿了温度对湿度传感器的影响,提高湿度传感器的观测结果的可靠性。温度传感器的影响因子修正算法模型。研究了傅立叶基神经网络算法,利用此方法建立了温度传感器影响因子修正的数学模型,结合实验所测数据,补偿湿度等环境参量对传感器测量结果的影响,有效保证了温度传感器的数据质量。温湿度传感器测量结果的不确定度评估。通过对温湿度传感器实际观测业务中不确定度来源的分析研究,建立相应的数学模型,分别按照A类评定方法和B类评定方法计算出不确定度值,从而更加全面科学准确判断传感器性能。