尽管各种先进的低污染燃烧技术得到广泛应用,但碳黑颗粒的产生及排放对人类生产生活造成的影响仍不可避免。由此可见,精确模拟燃烧室内碳黑颗粒的辐射特性对于燃烧实验工况的设计和污染物排放控制等方面具有十分重要的意义。在影响碳黑颗粒辐射特性的众多因素中,其几何形态是最主要的因素之一。因此,本文以碳黑颗粒的几何特征参数为对象,对颗粒的辐射反问题展开研究,主要完成以下几方面工作:首先介绍了碳黑颗粒分形聚集理论,分析比较了两种不同的辐射特性计算模型在计算精度与计算效率方面的差异。结果表明,与精确的GMM理论模型相比,近似计算的RDG-FA理论模型的计算精度有所牺牲,但计算效率大大提高。在此基础上,进一步研究了碳黑分形聚集体不同几何特征参数对穆勒矩阵典型参数M11及M12的影响。随后,分别构建了基于智能优化算法和基于机器学习技术的碳黑颗粒分形聚集体几何特征参数联合反演模型,探究了多层反演模型和数据增强技术对提高反演精度及鲁棒性的影响。结果表明,融合差分进化算法的改进人工鱼群算法（IAFSA）结合双层反演模型能有效地避免反演结果的多值性特征,提升反演的精度。但随着同时反演的参数数目增加和随机测量噪声的增大,反演精度逐渐下降。在3%的随机测量噪声下,反演结果的最大相对误差达到了11.7%。相比于人工鱼群智能优化算法,基于机器学习技术的堆栈集成模型与深度学习网络模型的表现更加令人满意。尤其是深度学习网络模型,在经本文提出的分形聚集体生成对抗网络（FAGAN）优化后,其鲁棒性更强,且能有效解决训练集类不平衡的问题。即使是在10%的高斯噪声下,其预测结果的最大平均绝对百分比误差也不超过3.87%。最后,本文基于积分球系统测量了聚苯乙烯颗粒溶液的透射率和反射率,分析比较了颗粒浓度、颗粒粒径及入射光波长对溶液光学特性的影响,并验证了本文提出的基于机器学习技术的反问题模型。结果表明,在可见光范围内,聚苯乙烯颗粒溶液的透射率随波长的增大先减小后增大,随颗粒浓度及粒径的增大逐渐减小;反射率随入射波长的增大逐渐减小,随颗粒浓度及粒径的增大逐渐增大。此外,经FAGAN优化后的深层网络能在数据集有限的前提下,提高反演结果精度。