当今环境问题深入人心,经济发展的同时带来的是各种环境问题,而在众多污染物中,多环芳烃一直是世界各国研究的重点和难点。由于其自身的结构和理化性质,多环芳烃存在于大气、水体、土壤等我们生活的众多区域,严重危害了人类的生命健康,甚至会直接导致癌症。而又由于多环芳烃同分异构体繁多,其混合溶液的荧光光谱会严重重叠,因此仅仅依靠荧光光谱技术,已经无法解决当前的难题,本课题在荧光光谱法的基础上,引进了化学计量学方法,将两者结合来对混合溶液进行定量分析。通过研究物质荧光发射的机理,分析三种多环芳烃物质的分子结构及其荧光检测的可行性,及其荧光强度与物质浓度的关系。在研究的理论基础上,以FS920实验平台为基础,分析了光源、单色器、检测器等器件的选择。针对实验中由于外界干扰出现的噪声问题,提出了整体平均经验模态分解(EEMD)去噪算法对原始数据进行处理,有效的克服了EMD分解的模式混叠问题。通过分析ELM神经网络的模型结构,提出将ELM神经网络模型应用于单组分与混合物质浓度回归分析中,又进一步对粒子群优化算法(PSO)进行研究,在原有的ELM神经网络模型上引入了粒子群算法对ELM神经网络隐层神经元权值进行了优化,然后对实验样本进行训练,建立回归模型,进而对未知浓度的样本预测。将优化前后的模型预测结果进行分析比较,结果表明,经过PSO优化后的ELM神经网络模型预测结果的准确性优于原有的ELM神经网络。