总氮是水体富营养化程度的主要衡量指标,紫外分光光度法是目前总氮测定方法中最常用的方法之一。但是紫外分光光度法测定上限不高,不能有效消除碘离子和溴离子干扰。本文主要研究如何改进紫外分光光度法,提高总氮的测定上限,消除碘离子和溴离子的干扰,提高总氮的测定效率。研究过程中发现污水中氮元素的消解过程往往耗费了大量的时间,而且不容易判断消解过程是否完全。经过分析发现双波长法可以快速测定水体中的硝酸盐和亚硝酸盐的含量,在某些场合可以使用双波长法来快速判断水体的消解过程是否完全。经过实验验证发现该法操作简单,测定精度较高,能够满足实验和分析过程中的精度要求。为了消除碘离子和溴离子干扰,提高总氮的测定上限,建立了基于BP神经网络的总氮预测模型。通过训练的预测模型可以有效的消除碘离子和溴离子干扰,提高该法的测定上限。当误差范围限制在2%以内时,总氮的测定上限为6mg/L;当误差范围限制在8%以内时,总氮的测定上限为10mg/L。若能够添加更多的训练数据,该法将更精确,预测性能更好。实验过程中产生了大量数据,为了方便管理和组织这些数据,采用Access数据库来存储数据。为了保证数据安全,也为了方便用户对数据进行查询修改等操作,开发了基于微软的ADO数据库访问技术的数据库访问程序。该程序能够满足用户对数据的查询修改等操作,同时能够直观的显示光谱曲线,较好地实现了对数据的管理。