残留在水环境和农产品中的农药会破坏生态环境,危害人类健康,如今农药残留问题已成为全球关注的热点。荧光光谱技术具有快速灵敏、精确度高、操作方便、试剂用量少且成本低的优势,用来高精度检测残留在水环境和农产品中的农药,对维护生态平衡、保障农产品安全和人类健康具有重要意义。本文主要解决水环境和农产品中存在的多种痕量农药的检测问题,将荧光光谱技术与缺损数据重构和化学计量学相结合,抑制和消除光谱中一阶瑞利散射的同时对水环境中残留的农药混合物进行精准辨别和浓度预测;针对花卉类和果蔬类农产品中的农药残留,分别引入不同的人工神经网络进行检测并定量分析,之后对实验结果进行探讨。论文主要研究工作如下:1.基于量子化学中的密度泛函理论,分析了西维因、多菌灵、速灭威和三唑磷四种农药分子的基态和激发态几何构型、前线分子轨道能级分析以及振动情况,讨论各个分子的键长、键角和二面角等主要参数,论述了各个分子的荧光光谱理论值,验证了荧光光谱法检测农药的可行性。2.针对荧光光谱中一阶瑞利散射难去除的问题,以及三唑磷、多菌灵和西维因农药由于化学结构相似导致光谱重叠严重,提出缺损数据重构算法并用来消除光谱中的一阶瑞利散射,建立了一种新的数据预处理方法;结合二阶校正对湖水中残留的三种农药混合物进行准确的定性定量分析,以“数学分离”代替“化学分离”,计算了相关系数、预测均方根误差、平均回收率、检测限和定量限有关参数。该组合方法为去除荧光光谱中的一阶瑞利散射提供了新工具,同时为复杂水环境中存在的农药污染物提供新的绿色、无损、快速的检测与分析手段。3.主要研究回声状态网络在花卉类农产品中存在的多种痕量农药残留检测的应用。以金银花为分析样本,考虑到诸多因素会导致光谱数据中的荧光强度与浓度偏离线性关系,引入回声状态网络从信息处理的角度建立运算和预测模型对金银花中残留的多种农药进行定量分析。分别建立回声状态网络、BP神经网络和循环神经网络模型,计算误差参数包括均方根误差、平均绝对误差、平均绝对百分比误差以及各个农药的回收率和平均回收率,验证了神经网络算法检测金银花中的农药残留的有效性和稳健性,预测结果证明了回声状态网络的优势,为相关的检测设计工作提供了理论依据,同时为国家制定相关花卉类农产品中的农药残留标准提供技术支持。4.基于BP神经网络的原理,提出用思维进化算法优化BP神经网络以建立一种新的优化算法并应用在果蔬类农产品的农药残留检测工作中。从番茄果实表面存在的两种氨甲酸酯类农药检测实验的整体预测结果和定量分析两个角度对比分析八组参数,阐明了该优化算法处理荧光光谱数据的可行性和有效性;讨论四种不同清洗方式对于农药降解性的影响,确定去除番茄表面农药残留的最佳清洗方式。该研究为相关果蔬类农产品表面的氨基甲酸酯类农药残留的检测工作开辟了新思路,为日常生活中如何最大程度减少果蔬表面农药残留提供了参考意见。