本文使用北京大兴气象站2013-2017年的探空资料,结合MONORTM辐射传输模式亮温模拟技术对南郊气象台的一台TP/WVP-3000型地基微波辐射计数据的亮温进行综合质量控制工作并分析质控效果,继而使用BP神经网络算法为大气温湿廓线反演各设计了一套反演模型并基于质控后的亮温数据反演得到大气温湿廓线并与地基微波辐射计LV2产品对比分析模型精度,接着又结合BP神经网络算法与遗传算法进行大气温湿廓线反演试验(GA-BPNN),并与单纯使用BP神经网络的反演结果进行对比(ALL-BPNN),主要得出以下结论:(1)地基微波辐射计的观测容易受到非气象因素影响,需要对其观测亮温进行质量控制。采用雨/非雨检查、极值检查、时间平滑性检查、辐射传输模式检查可以起到一定的质量控制效果,经过整套质量控制系统,统计得出该台地基微波辐射计数据的可用率为76%。经过质量控制后的实测亮温与模拟亮温的平均偏差与均方根误差更小,一致性更高,尤其是30Ghz与51Ghz附近通道质量控制效果明显,观测数据总体质量有较大提升。(2)将微波辐射计观测亮温进行质量控制与偏差订正之后,本文重新设计建立基于BP神经网络算法的大气温湿反演模型精度较微波辐射计自带的LV2产品结果有一定提升,尤其是相对湿度反演结果提升显著。相比微波辐射计二级数据,在0-10km上,温度探测精度提升了约6.77%,相对湿度探测精度提升约20.11%。(3)由于BP神经网络模型的精度受训练样本影响较大,如果测试样本的数据分布和训练样本的数据分布不一致会导致模型泛化性能不高。使用经过遗传算法优化后的训练样本建立的GA-BPNN反演模型精度有着进一步的提高。相比微波辐射计二级数据,在0-10km上,温度探测精度提升了约10.21%,相对湿度探测精度提升约23.75%。