近年来,基于微纳米光纤的光学传感器因其高灵敏度、快速响应和小尺寸等优点得到研究者的广泛关注。基于微纳光纤的各类型光学传感器因器件结构及微纳光纤结构参数不同,而存在较大差异。本文搭建双锥微光纤浓度传感和螺旋微光纤温度传感实验平台,系统分析微光纤结构参数对两种传感器的响应曲线的影响;应用反向传播神经网络网络算法（Backpropagation neural network,BPNN）预测了结构参数不同的双锥型光纤传感器的浓度响应曲线,并通过均方根误差（Root mean squared error,RMSE）及拟合度（Fitness,F）两个指标,将神经网络预测结果与传统的线性拟合曲线进行了比较。研究结果表明,双锥型光纤直径和锥角的微小变化都会影响传感器的灵敏度和稳定性,BPNN能够适应不同结构参数的双锥型光纤传感器,并能预测微纤结构微小变化引起的非线性响应。BPNN给出的浓度预测值比线性拟合曲线得到的浓度预测值更接近实际测量值(RMSE分别为1.84×10-3 mg/g和4.6×10-3mg/g),由更多数据训练的单隐层网络可以得到最好的预测效果(RMSE=1.63×10-3 mg/g,F=97.91%)。对金属微米棒支撑的螺旋光纤温度传感器的研究发现,螺线型微光纤的传输强度对结构参数变化相当敏感,从而影响这类传感器的稳定性。通过光谱峰值的移动得到金属微米棒支撑的HMF温度传感器的灵敏度最高可达77.9pm/℃,此时对应的光强灵敏度为1.40×10-2dB/℃。两匝螺旋结构,腰锥直径为9.78μm的传感器灵敏度为1.626×10-2dB/℃,且腰锥直径较小、环境温度较高时,传感器的稳定性变差。统计传感器光强波动数据,光强标准差在30～40℃时为～0.005 dB,40～60℃为～0.03 dB,60～70℃为～0.06 dB。本文制备了32个双锥型微光纤浓度传感器和10个螺旋型微光纤温度传感器,测量并建立了光强与被传感量之间的响应曲线,系统分析了传感器结构参数对传感响应曲线的影响;提出了采用BPNN的方法预测双锥型微光纤传感器的非线性响应。研究结构参数对微光纤传感响应曲线的影响,有利于微光纤器件的结构优化,结合神经网络算法可以调控微光纤的微小结构变化对器件性能的影响,显著提高了微光纤传感器的可靠性,为其实际应用奠定了基础。