酚类化合物在冶金、 炼油、 机械制造、 医药、 农药和油漆等工业有广泛的应用, 但酚类化合物具有毒性, 若不加以处理将会对环境造成污染。 水是生命之源, 水环境中酚类化合物检测显得尤为重要。 三维荧光光谱分析法具有灵敏度高、 检测速度快、 预处理方便和痕量检测等特点, 二阶校正分析法可以在混合物中分辨出感兴趣的成分。 采用三维荧光光谱结合二阶校正方法对水环境中酚类化合物进行测定。 实验选用间甲酚和间苯二酚作为被测物质, 配置添加干扰物和不添加干扰物两类样本, 通过FLS920稳态荧光光谱仪测得8个校正样本和8个预测样本的三维荧光光谱数据, 并对其进行数据预处理, 扣除原始光谱中所包含的散射干扰, 并对原始光谱数据进行激发/发射校正, 然后采用db3小波函数生成的小波包对光谱数据进行数据压缩, 去除光谱数据中的冗余信息, 其中压缩分数达到91.67%, 恢复分数达到96.62%。 然后分别采用平行因子分析（PARAFAC）和自加权交替三线性分解（SWATLD）两种二阶校正方法对预处理后的光谱数据进行定性和定量分析。 根据核一致分析法结合残差判别分析法的分析结果, 设定未添加干扰物样品组分数为2, 添加干扰物样品组分数为3。 定性分析结果显示, 无论有无添加干扰物, 两种二阶校正法都能准确的分辨出样本中的间甲酚和间苯二酚, 其中间甲酚的荧光峰位置为λem=298 nm/λex=274 nm； 间苯二酚的荧光峰位置为λem=304 nm/λex=275 nm。 定量分析结果显示, 用PARAFAC算法测定不添加干扰物的样本时, 对间甲酚和间苯二酚浓度的平均回收率分别达到了93.37%±4.92%和95.19%±5.25%； 测定添加干扰物样本时, 对间甲酚和间苯二酚浓度的平均回收率达到92.09%±2.64%和97.08%±5.26%。 用SWATLD算法测定不添加干扰物样本时, 对间甲酚和间苯二酚浓度的平均回收率分别达到了93.11%±4.73%和96.80%±5.04%； 测定添加干扰物样本时, 对间甲酚和间苯二酚浓度的平均回收率达到97.30%±4.52%和96.92%±5.61%, 且两种二阶校正方法得出的预测样本均方差（RMSEP）均小于0.03 mg·L-1。 实验结果表明, 在荧光光谱峰位置相近、 光谱严重重叠且有干扰物的情况下, PARAFAC和SWATLD两种二阶校正算法都能对水溶液中的酚类化合物进行快速、 准确地测定。

多环芳烃广泛存在于大气、土壤和水环境中, 对动植物和人类有着严重危害。为了快速检测水环境中的痕量多环芳烃(Polycyclic Aromatic Hydrocarbons, PAHs), 本文提出利用激发-发射荧光矩阵结合自加权交替归一残差拟合算法(Self-Weighted Alternating Normalized Residual Fitting Algorithm, SWANRF)检测湖水中的菲、蒽和荧蒽。与自加权交替三线性分解方法相比, SWANRF能够给出更满意的浓度预测结果, 菲、蒽和荧蒽的平均回收率分别为(99.2±7.2)%, (101.7±7.7)%和(97.9±5.1)%; 菲、蒽和荧蒽的预测均方根误差值分别为0.240, 0.249和0.247 μg/L。实验结果表明, 文章提出的方法能够实现未知干扰物共存的湖水中痕量多环芳烃的快速检测, 且方法可靠。

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。

通过三维荧光光谱技术和平行因子分析法相结合，提出了一种石油类污染物的识别和检测方法。以97#汽油、0#柴油和普通煤油的不同浓度CCl4溶液为测量样品，不考虑每种油的具体成分，仅将其视为一个整体作为一种组分来研究，通过汽油、柴油不同比例的混合以及存在煤油作为干扰物的情况下，利用FLS920全功能型荧光光谱仪测量得到样品的三维荧光光谱数据。经过激发与发射校正以及空白扣除，去除了仪器误差和散射的影响并得到了样品的真实光谱。实验采用基于平行因子的二阶校正算法分析测得的光谱数据，体现了算法的二阶优势，验证了在未知干扰存在的情况下依然能够对混合样品各成分进行准确的识别和浓度测量，并得到满意的回收率。

随着分析数据日益复杂, 传统的用于光谱分析中的数据处理方法已不能满足分析需要, 而化学计量学应用数学、 统计学以及计算机等科学的方法与手段, 设计和选择最优的量测方法, 并通过对数据的解析, 可最大限度的获取光谱数据中的有用信息。 本文首先介绍了几类常用化学计量学方法分析的三维荧光光谱, 其次介绍了常用于光谱分析的化学计量学方法, 如统计学方法、 模式识别方法、 神经网络方法以及二阶校正方法等, 并且介绍了这些方法在光谱分析中的应用, 最后对化学计量学方法在多维光谱数据分析中的应用前景进行了讨论与展望。