为准确进行浓度检测, 用Savitzky-Golay（SG)多项式曲面平滑法去除三维荧光光谱数据的冗余信息, 分别采用平行因子法（PARAFAC)算法和交替惩罚三线性分解（APTLD)算法对光谱数据进行分解。设计多环芳烃类污染物的检测实验, 分析了芴（FLU)、苊（ANA)及两者混合溶液的荧光光谱特性。FLU溶液在λex/λem=302/322 nm处存在一个明显的荧光峰, 并且存在连续侧峰。ANA溶液存在两个荧光峰,分别为λex/λem=290/322 nm和λex/λem=290/336 nm。在激发波长200~370 nm扫描范围和发射波长240~390 nm扫描范围内, FLU和ANA荧光光谱重叠严重。结果表明, 两种算法均能分辨出FLU和ANA, 并取得了很高的回收率, 但APTLD算法的检测效果更好。

为了对复杂体系的多环芳烃进行定性识别和定量分析, 构建了基于二阶校正法的荧光检测系统。利用二阶校正法在三维荧光数据处理中的优势, 达到多种混合多环芳烃分离和鉴别的目的。采用FS920荧光光谱仪测量并分析了萘(NAP)、苊(ANA)及两者混合物的荧光光谱特性, 发现NAP溶液有一个荧光峰λex/λem=290/322 nm, ANA溶液存在两个荧光峰分别为λex/λem=290/322 nm和λex/λem=290/336 nm, NAP和ANA荧光光谱重叠严重, 并且不同浓度配比混合物的荧光光谱具有差异性。通过将二阶校正法与三维荧光光谱法相结合, 实现对多环芳烃混合物的浓度检测。分别采用平行因子(PARAFAC)算法和自加权交替三线性分解(SWATLD)算法对光谱数据进行分解。结果表明: 两种算法对NAP和ANA混合物均有较高的分辨能力, 预测平均回收率均在95%~99%、均方根误差均小于0.2 μg/L。相比之下, SWATLD算法的检测效果更好。

采用FS920荧光光谱仪分析了苯并［k］荧蒽（BkF）、苯并［b］荧蒽（BbF）和两者混合物的荧光特性.结果表明BkF的两个荧光峰分别位于306 nm/405 nm和306 nm/430 nm，BbF的两个荧光峰分别位于306 nm/410nm和306 nm/435 nm.BkF和BbF不同浓度配比及其相互间的荧光干扰，使得混合物荧光特性差异较大，荧光强度和浓度间关系变得复杂.为准确测定混合物中BkF和BbF的浓度，采用递阶算法优化的径向基神经网络对其进行检测，结果表明BkF和BbF的平均回收率分别为98.45%和97.71%.该方法能够实现多环芳烃类污染物共存成分的识别和浓度预测.

对羟基苯甲酸甲酯钠是一种常见的食品添加剂，如果长时间食用或者超量食用会对人体造成一定的危害。采用FS920荧光光谱仪对对羟基苯甲酸甲酯钠橙汁溶液和水溶液进行检测，实验结果表明两者的特征峰发生了明显的变化。经分析得出，对羟基苯甲酸甲酯钠橙汁溶液的荧光光谱受到橙汁荧光特性干扰，一定浓度范围的溶液光谱图存在较大差距，对羟基苯甲酸甲酯钠浓度与荧光强度之间的关系复杂。为了精确地检测橙汁中对羟基苯甲酸甲酯钠的浓度，结合荧光光谱法与最小二乘支持向量机，建立了橙汁溶液中对羟基苯甲酸甲酯钠的检测模型，使用改进的粒子群优化算法得到影响模型性能的正则化参数和核函数。实验得到了较为理想的结果，与普通反向传播（BP）神经网络、基本粒子群寻参的最小二乘支持向量机等方法相比，该方法性能最优，得到的平均回收率为97.05%，平均相对误差为2.71%，均方根误差为3.04%，模型输出与真实值之间的相关系数是0.9999。该方案可以做为橙汁中对羟基苯甲酸甲酯钠浓度的精确检测方法。

多环芳烃(polycyclic aromatic hydrocarbon, PAHs)具有强致癌性, 极大威胁着人类身体健康。因此, 寻找一种高效、精确的多环芳烃浓度检测方法十分必要。采用FS920荧光光谱仪分析了苯并(k)荧蒽（BkF）、苯并(b)荧蒽（BbF）、苯并(a)芘（BaP）混合溶液的荧光光谱特性。发现在激发波长260~400 nm、发射波长300~500 nm范围内, 混合溶液的荧光光谱重叠严重。当混合物浓度配比不同时, 荧光特性也存在很大差异。针对光谱图不能直接反映混合物各组分浓度的特点, 将人工蜂群(ABC)算法优化的径向基函数(RBF)神经网络应用于浓度检测中, 对比分析普通RBF和ABC-RBF神经网络模型。结果表明, ABC-RBF神经网络模型预测误差相对较小, 训练到95次时, 均方差精度达到10-3。BkF、BbF和BaP的回收率平均值分别为99.20%、99.12%和99.23%, 证明此网络适用于检测多环芳烃溶液, 为检测多环芳烃浓度提供了一种快速、有效的新方法。