当物体放在电磁场中,或电磁波照射到目标上时,由麦克斯韦方程和相应的电磁场边界条件可知该物体或目标上会有等效磁流或电流产生，这些磁流和电流又产生它们自己的电磁场，这种场称为目标或物体的散射场。由于散射场的形成是入射波和介质相互作用的结果,因此散射场携带着很多和散射体相关的信息。电磁逆散射(又称为电磁反演或电磁成像)是对接收到的未知物体的散射信号进行分析处理从而重建未知物体的内部结构和几何形状。埋地目标探测一直是电磁逆散射问题中一个很重要的研究领域,它不仅需要探测到目标的埋地位置，而且要确定目标的几何、电磁参数。它在军用(如地雷探测)和民用(如考古测量、地质勘探、环境监测、地下公用设施、城市规划、地下管涌)等方面都有着广泛的应用。由于它广泛的应用价值,埋地目标探测已经发展成为电磁逆散射领域中的一个重要分支。但由于问题本身及背景环境的复杂性,埋地目标探测呈现出严重的非线性和不适定性。传统的方法或是直接采数值方法求解特定区域中的散射积分方程或是将逆散射问题转化成一个优化问题,然后采用各种迭代方法进行迭代求解。虽然这些方法如遗传算法,波恩迭代等都被成功的应用于电磁逆散射问题,但由于这些方法计算量大,耗时长,不利于实时电磁逆散射的研究。本文主要研究了人工智能方法在埋地目标探测问题中的应用。主要内容如下:　　1.用时域有限差分方法(FDTD)计算了二维埋地目标散射场的幅值,并以提取的散射场的幅值作为训练样本,分别利用了人工智能方法(广义神经网(GRNN)络和支持向量机(SVM))重构了二维埋地目标的半径和介电常数以及埋地深度和介电常数。　　2.对埋地目标的半径和介电常数反演时,以散射场的幅值作为训练样本信息,一次性反演了半径和介电常数。在对深度和介电常数的反演时,我们先给出了一次性反演的结果,而后给出了单独反演的结果。从反演结果来看我们得出了散射场的幅值的变化对介电常数的变化比较敏感。即利用散射场幅值对埋地目标介电常数的预测比较精确。　　3.最后在测试样本中加入了噪声,并讨论了噪声对结果的影响。