大气污染对人类的健康及生活环境造成了巨大危害,也破坏了整个自然界的生态平衡。因此,为了地球的可持续发展,需要对污染源采取相关的监测手段进行分析预报,以便于展开相应的控制和治理工作。常规的气体检测技术在适用范围、灵敏度、使用寿命和可靠性等方面都有限制和不足,而傅里叶变换红外光谱技术(FTIR)以其应用范围广、灵敏度高、精度高和使用寿命长等特点成为较为理想的气体检测方法。本文对傅里叶变换红外光谱技术的应用和发展进行了阐述,并分析了红外定量分析方法的国内外研究现状,在此基础上搭建了多组分配气及光谱采集系统,选择了三种常见的有毒气体CO、NO、NO2进行分析。根据动态流量配气法,通过控制精密流量计配制了不同比例的混合气体,并通过光谱仪采集了大量光谱数据样本。针对多组分低浓度气体同时测定的复杂非线性关系,选择采用人工神经网络法进行建模分析。在研究了神经网络各种改进型算法优缺点的基础上,根据红外光谱数据量大以及定量精度要求高的特点,采用主成分分析与贝叶斯正则化方法对神经网络进行改进。首先对采集到的光谱区间进行合理选择,然后用主成分分析法对高维吸光度数据进行了降维,最后用贝叶斯正则化法对神经网络的误差目标函数进行了改进,通过MATLAB神经网络开发环境进行了建模并优化了模型参数。用预测样本集对模型进行了验证,结果表明对三种气体的定量拟合精度达到了0.974,预测均方根误差小于20ppm。对比常规未降维神经网络和目前应用广泛的LM神经网络,结果表明主成分-贝叶斯神经网络模型在红外定量分析应用中可以实现更好的建模速度和预测精度。