气象观测中常用的HMP45D型温湿度传感器在实际测量中,易受到周围环境的影响,导致所测数据误差较大,给气象数据的应用带来较大影响,因此有必要采取措施进行温湿度传感器的补偿。本文针对HMP45D型温湿度传感器在实际测量中易受环境参量的干扰,分别采用粒子群算法结合BP神经网络对湿度传感器进行温度补偿,及利用改进思维进化算法的BP神经网络对温度传感器进行湿度补偿,主要研究内容包括：温湿度传感器受环境参量影响情况分析。首先从理论上分析了环境参量对温湿度传感器的影响,然后根据相关检定标准设计实验,对分析结果进行论证,分析实验数据得出,温度对湿度传感器的测量存在较大影响,同时湿度对温度传感器的测量也存在较大的影响。湿度传感器的温度影响补偿算法模型。根据温度对湿度传感器影响检定实验所得数据,利用粒子群优化算法(PSO)对BP神经网络的初始权值和阈值进行全局寻优,建立PSO-BP申经网络模型进行温度补偿,结果表明,PSO-BP神经网络可以克服传统BP神经网络易陷入局部极值的局限,补偿精度更高。温度传感器的湿度影响补偿算法模型。研究改进了思维进化算法中的趋同、异化操作及收敛条件,对趋同操作中的散布权值进行了自适应调整,在异化操作中引入差分进化算法的变异操作,同时对收敛条件进行完善,利用改进思维进化算法的BP神经网络模型进行湿度补偿,并与传统的BP神经网络补偿结果进行比较分析。同时还研究了曲线拟合法和RBF神经网络的补偿方法,对比分析两者的补偿结果,确定了RBF神经网络模型比曲线拟合法补偿精度高。