在常温常压下,利用光电导天线式太赫兹时域光谱仪和自行设计的气室,在0.1~3.0THz范围内对甲醇气体进行太赫兹时域光谱测试,测试结果表明,甲醇气体在1.0~3.0THz没有明显的吸收峰,但是在0.1~1.0THz波段存在明显的吸收峰。为了准确测定甲醇气体的浓度,根据甲醇气体在0.1~1.0THz范围内的15处不同的位置处的特征吸收峰强度和甲醇气体浓度的关系,对十五组不同浓度的甲醇气体进行检测,获得了在特征吸收峰处的差异曲线。基于误差反向传播(BP)神经网络的函数逼近特点,并利用遗传算法(GA)收敛速度较快,不宜陷入局部极值的优点,采用GA优化BP神经网络的初始的权值和阈值,构建了以预测甲醇浓度为目的的数学模型。结果表明,该网络模型适用于体积浓度范围为0.028 3~0.424 6m3·L-1的甲醇的浓度预测,两组样本的平均相对标准误差为1.7%,平均回收率为98%,神经网络误差精度10-1,实测值与期望值的相关系数为0.996 77,基本达到理想预测结果。本成果不仅获得了甲醇气体在太赫兹频段的实验数据,而且发现太赫兹时域光谱法和GA-BP神经网络相结合的方法能有效地检测甲醇气体的体积浓度,为检测甲醇气体浓度提供新的方法。