基于三维荧光光谱与有机物特征荧光峰之间的关系, 提出利用三维荧光光谱进行聚类, 再针对不同类的水样利用紫外-可见全波段吸收光谱数据建立COD预测模型的技术路线。 比较分析了平行因子分析(PARAFAC)算法和荧光体积积分(FRI)算法两种不同的光谱分析方法, 再使用模糊c-均值(FCM)算法进行聚类, 并完成了不同类水样的COD预测模型的建立。 研究的水样采集于江苏省常熟市周边的农村区域, 样品均来自不同的分散式农村生活污水处理装置出水, 共100个实验水样; 将测得的水样三维荧光光谱数据经过去散射预处理后利用PARAFAC算法和FRI算法分别提取荧光特征数据; 之后, 利用FCM聚类算法进行相似性聚类; 最后, 利用偏最小二乘(PLS)算法建立水样的紫外-可见全波段吸收光谱和COD之间的回归和预测模型, 并使用决定系数和均方根误差对模型的预测精度进行评价。 研究结果表明: 未分类、 使用FRI、 使用PARAFAC算法提取荧光特征信息后再预测的模型的平均决定系数R²分别为0.632, 0.819和0.906; 平均均方根误差RMSE分别为27.857, 23.621和13.071。 聚类后的回归和预测精度均得到显著提升, 且使用PARAFAC算法提取荧光特征信息后再建模具有最高的预测精度, 相比于未分类预测模型的R²提高了0.274。 本研究提出的基于三维荧光光谱联合紫外可见全波段吸收光谱, 采用“PARAFAC-FCM-PLS”组合算法构建的COD预测模型, 可以有效的提高COD的预测精度, 为高精度的水质在线监测提供了一种新的思路。