废糖蜜是制糖工业中的一种产量巨大的副产品，如何开发该种制糖工业的副产品一直受到业内人士的关注。由于废糖蜜中含有一些非氮类小分子有机酸，如果加以开发利用，将不仅能够解决污染的问题还能提高经济效益。对于复杂组分体系的测定方法中，目前已有气相、液相、离子色谱等方法，但都存在成本较高，样品处理起来繁琐等缺点。人工神经网络（ANN）作为一种人工仿生智能技术，经过几十年的发展，应用的范围越来越广。近年来，人工神经网络已经被引入并应用于化学计量学领域的多个方向。本文采用人工神经网络的预测能力，结合电位滴定法，建立关于小分子酸主成分的模型，并应用在实际糖蜜样品中小分子有机酸的测定。　　 在实际应用中，标准的BP网络的缺点是训练容易陷入局部极小值，收敛慢或是连接权值选择的随机性等，都给实际网络训练带来了困难。在本文中采集的数据建立的标准BP模型效果并不理想。针对上述情况，本文提出了LM-BP算法尝试解决标准BP算法的缺陷。LM算法是一种高斯．牛顿法和梯度下降法结合改进算法，和标准BP算法结合能解决局部极小的问题并加快网络的收敛速度。而遗传算法(GA)是建立在自由进化模型上的一种全局优化搜索算法，具有全局优化搜索和并行性的优点，和标准BP算法结合能优化选择连接权值和阈值，从而提高网络的性能。本文进一步的将LM算法和遗传算法结合起来，充分发挥两种算法各自的优点，并通过人工配制样品所采集的数据建立起来的网络模型对废糖蜜中小分子有机酸进行了成分的测定，结果表明该网络具有良好的预测性，可以应用于实际样品中小分子有机酸成分测定。