应用FLS920P型荧光光谱仪对L-色氨酸溶液进行三维荧光光谱检测， 从中发现： L-色氨酸的特征荧光峰位于270/350 nm。 设定发射波长为350 nm， 测量激发谱。 由测量结果发现在250~260 nm区间， 谱线斜率较大、 线性度好。 因此选取250， 255和260 nm三个激发波长， 在每个激发波长下分别测量相应的荧光发射谱。 基于三条不同的荧光发射谱， 构建以激发波长为外扰变量的自相关光谱； 而以浓度为外扰变量的自相关光谱， 是以超纯水在不同激发波长的平均谱作为参考光谱， 通过参考光谱与样本平均谱的相关计算得到。 在此基础上， 将相关光谱数据分别与偏最小二乘回归(PLSR)和径向基神经网络(RBFNN)相结合， 建立溶液中L-色氨酸含量的预测模型， 研究结果表明： 采用浓度为外扰变量构造的荧光相关光谱信噪比较高， 建模的预测效果要好； 而在外扰变量相同时， 基于径向基神经网络建立的预测模型比基于偏最小二乘回归建立的预测模型对溶液中L-色氨酸浓度的预测结果更为准确。 其中， 以浓度为外扰变量时的径向基神经网络预测模型准确度最高， 该模型的预测相关系数为99.91%， 预测均方根误差为0.033 μg·mL-1。 研究结果表明， 使用该方法能够对溶液中的物质含量进行准确测定， 可为食品安全监管提供帮助。