本文根据化学计量学中分子化学结构与图论和网络科学的相关理论、知识和方法首次构建了食品添加剂分子结构网络静态参数，研究并完成某些食品添加剂的定量构效关系分析（QSAR），为食品添加剂的定量构效（QSAR）分析提出一种新方法。为预测和指导开发无毒或低毒的绿色食品添加剂提供科学依据。本文还应用较为先进的极限学习机结合紫外可见分光光度法，通过提取特征光谱段，研究完成多种食品中某些食品防腐剂含量的同时检测分析，所用分析的特征光谱段在紫外或可见光范围，这为使用普通紫外可见分光光谱仪器完成多种食品中防腐剂的同时检测提供了一种准确、快速、简便、价廉（不需要使用价格昂贵和操作复杂的高效液相色谱、质谱等仪器）而有价值的参考方法。本文研究的主要内容和结果如下：1、分子结构网络静态参数用于食品防腐剂构效关系的研究本文应用网络科学的理论与方法，将组成分子的原子看作是网络节点，而一个分子的平面结构图就是由这些节点通过边连接而成，从而构造出分子结构网络，进一步计算出分子结构网络的平均度、平均路程长度等18个网络静态特征变量，作为构效分析的候选自变量。为了更好的进行构效分析，利用BP人工神经网络从18个候选自变量中筛选出对活性贡献大的接近度中心性最大值等4个自变量，分别用支持向量机回归（SVR）和BP神经网络对分子结构网络的4个自变量与大鼠经口LD50进行定量构效关系（QSAR）研究，实验结果表明：基于分子结构网络静态参数的支持向量机回归模型具有良好的预测能力。说明应用分子结构网络静态参数建模，对具有同一（或多种）属性/活性的一类物质进行构效关系分析研究的这种新方法具有一定的应用前景。2、研究应用极限学习机（ELM）同时检测多种食品中防腐剂的含量食品防腐剂的含量一直是食品安全研究的重点，过度使用会对人体造成一定程度的伤害。本研究以化学计量学的理论和技术为基础，利用极限学习机结合紫外可见分光光度计来预测多种食品中防腐剂的含量。提出从实验所得紫外可见光谱曲线中提取特征光谱数据段作极限学习机的训练样本和测试样本，研究应用极限学习机来实现多种食品样品中防腐剂含量的同时检测。从研究结果可以看出：极限学习机对食品中苯甲酸钠的含量进行预测时，其决定性系数R2达到了0.99998，均方误差MeanSquaredErro（rMSE）为2.4025e-009，相较于运用BP神经网络的R2=0.91643，MSE=0.072245，说明极限学习机具有更好的泛化能力，即说明了极限学习机（ELM）具有更好的精确度和准确度，同时它的测量速度、稳定性等性能都比BP神经网络有较为显著的提高。这也为多种食品中相关防腐剂或其他添加剂的含量预测和检测提供了有价值的学习和参考。