随着我国经济社会的发展和石油开采规模的扩大,生产、生活中排放的废水废物也不断增加。污水中的油类有机物成分,严重威胁着生态系统的平衡和人类的健康。因此,快速准确的检测以汽油,柴油,煤油为代表的油类污染物的成分和含量,对于环境的监测和污染后的治理,具有重要意义。本文以荧光发光机理和检测技术为基础,在深入研究石油类有机物构成成分基础上,将光纤传感和三维荧光光谱技术相结合,组成了光学测量部分和信号处理部分。分析实验仪器特性以及散射光干扰带来的影响,综合考虑样品激发与发射测量范围,对汽油,柴油,煤油等油类有机物进行多组分浓度测量实验,获得相应样本荧光光谱图像。并以每个荧光波峰的数量、位置和强度信息为根据,具体分析了三种石油样本的荧光光谱特征,验证了通过荧光分析法来检测水体中油类有机污染物的可行性。将全功能型荧光光谱仪测量得到的矿物油光谱数据,通过MATLAB选取特征参量组成原始特征向量。采用主成分分析法(PCA)对神经网络输入矢量进行降维,利用可拓神经网络(ENN)中扩缩和变换的方法将训练准则和分类准则相统一,进行油类有机物定性分析与识别。实验结果表明,PCA-ENN算法具有较高的识别精度和辨认效率,同时也可用于其它有机物质的光谱识别领域。