植被是地物目标研究中最重要的一类,在太阳系的行星中,是地球所特有的重要特征之一。同时,植被是地球的水文和生物化学圈中不可或缺的一员,它与人类的生存和经济发展息息相关,研究植被的结构类型与周围环境之间的作用关系有很大的现实意义。对于植被的微波遥感,可靠且有效的植被圆柱体组分的电磁散射分析是非常重要的。结合最近在高维空间提取特征方面显示出巨大潜力的机器学习,本文提出了一种用于分析有限长介质圆柱体的极化双站散射的机器学习方案。该方案采用一种深度神经网络结构,期望随着神经网络深度的增加从而提高网络的抽象能力,它能将高度振荡的散射模式处理到可接受的程度。本文的机器学习方案已被证实有能力进行自我调整,以捕捉有限长介质圆柱体的复杂的极化双站散射模式。除了接近圆柱轴线的散射方向外,物理上的互易性关系基本满足。此外,对于内插的情况,数值结果证明了本文的机器学习方案拥有学习双站散射截面和相位模式的能力。该方案对于无论是单个变量还是多个变量的内插结果都是鲁棒的。相对于传统的通过建立数据库以使用插值的方法,本文所提出的机器学习方案对于未来基于物理的算法的设计来说是好兆头。