大气气溶胶可以通过散射和吸收作用来影响太阳辐射,在地球—大气的辐射收支平衡中扮演着至关重要的角色。采用具有主动遥感探测技术的激光雷达可以探测大气气溶胶粒子,通过分析激光雷达探测数据可以反演出多种气溶胶粒子的光学参数和微物理特性,准确探测和研究大气气溶胶的光学特性和微物理特性,对于揭示大气气溶胶在全球气候变化和大气环境污染中扮演的作用具有深远意义。人工神经网络具有非线性映射能力和自学习能力,采用人工神经网络可以实现对激光雷达函数方程的寻优求解,有效克服了传统方法求解Mie散射激光雷达方程过程中数学计算过程复杂、条件假设繁多的壁垒。于是,为了更好反演大气气溶胶的消光系数,文章展开了采用人工神经网络反演大气气溶胶消光系数的研究,具体工作如下:首先,采用Mie散射激光雷达系统进行了大气气溶胶的数据探测,得到了不同天气状况下的三波长（355nm、532nm、1064nm）原始数据集。对原始探测数据进行了预处理和归一化处理,为避免非几何重叠区域数据对实验造成影响,选取2～12km高度范围的数据进行实验。其次,采用文中构建的BP神经网络进行了大气气溶胶消光系数的反演实验,针对BP神经网络易陷入局部极小值、实验精度低、收敛速度慢的问题,随即对BP神经网络的模型进行了优化,采用增加反馈层和变换传输函数的方法,分别构建了具有局部记忆单元和局部反馈特性的Elman神经网络以及具有时频域局部特性和变焦特性的Wavelet神经网络两种优化网络模型。通过Elman神经网络、Wavelet神经网络进行消光系数的反演,两种优化网络的实验结果均方误差值分别在10-14～10-13和10-13～10-12数量级之间,单位为(km-1)~2,提高了实验反演结果的精度,降低了实验误差,证明了采用优化神经网络进行的实验整体精度和性能都得到进一步的提升。最后,针对两种优化神经网络模型的泛化推广能力和适用性问题,采用大雾天气状况下波长为355nm、532nm、1064nm的激光雷达探测数据和混合交叉样本集进行了实验验证,形成了横向355nm、532nm、1064nm三波长和纵向轻度雾霾天气、大雾天气状况下的实验证明。两种优化神经网络在大雾天气状况下均方误差值有所升高但仍然在10-14～10-13和10-13～10-12数量级之间,通过混合交叉样本集的训练后均方误差值有明显降低且都在10-15～10-14之间,证明了优化神经网络反演消光系数的可靠性和适用性,另外Elman网络反演误差具体数值都低于Wavelet网络反演结果,进一步证明了Elman神经网络反演消光系数的效果优于Wavelet神经网络。