由于在材料计算中的广泛应用，导热反问题一直是人们在反问题领域中普遍关注的课题。鉴于传统求解方法的缺陷以及系统参数识别工作中结构系统的非线性问题，本文将人工神经网络引入导热反问题的求解中，成功地用神经网络的反演算法求解了一维导热反问题，重构了热性质横向各向同性的分层材料中的光热参数的深度分布。 针对所研究的分层均匀的理论模型，作者选择了适当的神经网络模型对此种模型材料的热学参数反演做了比较详细的研究和讨论。 首先，介绍了本文所研究的物理模型与正问题算法，以及用于反演该模型参数的特殊的神经网络。通过各种参数(光吸收系数和热源强度)分布在同类分布指导和异类分布指导下的神经网络反演，说明了神经网络反演是一种准确高效，而且具有一般性的方法。 其次，构建了一种新的评价反演结果的函数，利用它与误差函数分别讨论了样品厚度、频率范围和噪声强度对神经网络反演结果的影响。并通过详细地分析这些影响变化，确定了合理的噪声强度范围，提出了厚尺度样品的双面采样模型及论证了基于这种模型之反演的有效性。 最后，采用神经网络分布重构法成功反演了中心染色样品的光吸收系数和热源强度的深度分布，进而根据光热参数的深度分布和对应的剖面成像，确定了中心染色层的位置和宽度。此外，还在盲算的情况下，引入一种简单而有效的方法，检验了结果的正确性。说明神经网络反演方法对实际资料的分析和评价具有一定的理论指导作用。 附录部分是作者的另一部分工作一相位罩干涉仪的应用研究，考虑到文章内容的连贯性和整体性，故将其放在文章末尾，做以简要的介绍。