基于水质中石油类污染物的强荧光特性, 构建了荧光检测实验系统, 分别以50种不同浓度的汽油、柴油、煤油和机油的水溶液为测量样本, 分析了其荧光特性.由于四者荧光峰位置相似, 很难直接识别, 提出了一种运用神经网络进行模式识别的新方法, 将主成分分析法(PCA)和可拓神经网络(ENN)相结合对输入矢量进行降维并进行分类识别.结果表明, 该方法与ENN和PCA-BP算法相比, 迭代数由265降低到60；识别离差平方和由0.236 5降到0.014 5；识别效率由72.50%提升到96.25%；识别精度可达10-6级别.PCA-ENN算法具有较高的识别精度和识别效率, 同时也可用于水质中其它痕量有机物质的光谱识别.