人工神经网络是通过模拟生物神经网络提出的一种人工智能算法,它模拟人工神经元将大量简单的节点连接起来,首先通过神经元与神经元之间的触角来接受信息,再对该信息进行简单的处理运算,最后把相关数据结果进行输出。其作为人工智能的一部分,自从被提出以后,因独有的优点,一直备受各界人士的关注,并在信号处理、医疗、经济、军事、农业等很多领域得到了广泛的应用。而RBF作为前馈神经网络中的精髓,它是在BP网络的基础上进行变形改进出来的,相对与BP网络结构简单——只具有一层隐含层,训练速度快,它作为一种局部逼近的函数,十分适合处理非线性问题,而且其输出结果一般为线性。但是当其在进行局部搜索时会出现局部极值,会影响其训练速度。因此本文基于FS920荧光光谱的平台上,对RBF神经网络的模型结构进行优化研究。本文主要研究内容如下:(1)基于FS920实验平台的基础上,分析了光源、单色器、检测器等器件的选择,并基于此平台进行实验;(2)分析物质产生荧光的特性,研究其荧光产生机理,以及能够发荧光物质的化学结构,和其荧光强度与物质浓度的关系;(3)采用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,为后续进行物质定性定量的分析做基础;(4)通过分析RBF神经网络的模型结构,并对ABC算法进行改进研究,将改进后的ABC算法与原始的RBF神经网络模型相结合,作为一种新的数据预测模型对BaP、BkF和十二烷基苯磺酸钠、常见洗衣粉进行定量分析。