油类污染对海洋和环境的影响越来越严重,实时地、正确地监测溢油具有重大意义。对此,本文对比了国内外的溢油识别算法,分析了以往的人工神经网络激光荧光光谱识别速度较慢、精度不是很高的原因,提出了改进的BP算法,即基于遗传算法的遗传BP(GABP)算法和基于粗糙集理论及遗传算法的粗糙集-遗传BP(RS-GABP)算法。本文运用的是人工神经网络中应用最广泛的误差反向传播(BP)网络,核心工作是建立BP、GABP和RS-GABP激光荧光光谱分析识别模型,并利用激光遥感设备获取的光谱数据对这三种模型进行实验测试,测试主要针对它们的识别速度和精度,并得到了预期的结果。经实验测试得出:BP网络激光荧光光谱分析识别模型的最佳训练次数为42次,识别正确率为75%;GABP网络激光荧光光谱分析识别模型的最佳训练次数为25次,识别正确率为90%;RS-GABP网络激光荧光光谱分析识别模型的最佳训练次数为12次,识别正确率为95%。不管是在识别速度还是识别精度方面,GABP模型和RS-GABP模型都相对较高,尤其是RS-GABP模型,而BP网络由于其自身的缺点稍显逊色。实验结果表明,RS-GABP激光荧光光谱分析识别算法的绩效是最好的,它是一种很有潜力的算法。