非法添加剂的违规使用和食品添加剂的滥用屡屡引发食品安全问题,相比于传统检测方法,太赫兹光谱技术具有快速、准确、无损等诸多优势,被广泛应用于食品添加安全领域。近年来,非法添加剂和食品添加剂的太赫兹指纹谱研究成果被陆续报道,其中理论计算多基于密度泛函理论(DFT),但针对DFT中不同泛函的计算性能缺乏深入的对比分析,且没有根据研究对象的晶体结构特征对传统算法加以改进。以往研究通常针对单一的食品添加剂进行定性或定量分析,而食品中往往含有多种添加剂,多元食品添加剂混合物的鉴别分析具有很重要的实际意义。本文主要研究内容及成果如下:(1)基于B3LYP和PBE两种泛函,深入研究了非法添加剂三聚氰胺的太赫兹光谱。采用CRYSTAL14软件包对周期性晶体结构进行计算,鉴于三聚氰胺属于富含氢键的体系,伦敦色散作用力不可忽略,在B3LYP和PBE泛函的基础上添加了色散校正项,构建了B3LYP-D和PBE-D模型。结果表明,本文提出的色散校正模型能产生更高质量的模拟光谱。其中B3LYP-D模型预测精度稍高但耗时较长,PBE-D模型精度略低,但耗时仅为B3LYP-D模型的二分之一。(2)选取了三种富含氢键的食品添加剂,即苯甲酸、山梨酸和木糖醇,探究色散校正模型在富含氢键体系中的适用性。利用B3LYP和PBE泛函及色散校正后的两种泛函(B3LYP-D和PBE-D)分别对三种食品添加剂进行理论计算。结果表明,相比于色散校正前的模型,基于色散校正模型得到的理论与实验结果的吸收峰位平均绝对误差(AAE)降低了0.03~0.1,其中B3LYP-D模型精度最高,验证了色散校正模型对氢键系统具有良好的普适性。(3)多元食品添加剂混合物的定性鉴别和定量分析。将苯甲酸、山梨酸、木糖醇与聚乙烯以不同比例混合,基于主成分分析与模糊模式识别建立模型,实现了食品添加剂混合物定性鉴别,该方法为多组分混合物的定性鉴别提供了一种新的有效方法。利用偏最小二乘(PLS)、反向传播人工神经网络(BP-ANN)和最小二乘支持向量机(LS-SVM)模型对食品添加剂混合物进行定量分析。研究发现,LS-SVM模型的预测精度最高,且混合物组成越复杂,LS-SVM模型的优势越明显。提出了一种在保证预测精度的前提下减少样本制备数量的方法。