在环境污染中多环芳烃对哺乳类动物及人类有致癌、致畸和致突变的作用，并进而影响经济和生态的可持续发展；而荧光光谱分析由于其对分析环境要求低、检测灵敏度高、选择性强、试样量少和实验方法简单等优点，为复杂的环境样品中微量及痕量物质的分析提供了新的手段。因此使用荧光光谱对污染中的多环芳烃的组分进行检测及识别，对环境监测和工业生产具有非常重要的意义。但多组分混合多环芳烃的荧光光谱重叠严重，需要借助回归预测模型才能更好的对光谱数据进行定量分析。　　 本文首先研究了国内外对混合物荧光光谱进行辨识的现状，在深入了解多环芳烃的荧光特性及神经网络原理的基础上，使用BP神经网络对二组分和三组分多环芳烃的混合溶液的荧光光谱数据进行了辨识，同时使用了化学计量学中常用的主成分回归和偏最小二乘法进行辨识。研究结果表明，在二组分混合多环芳烃辨识中，由于光谱重叠不是很严重，使用化学计量学的方法和神经网络方法效果相当，而在三组分混合多环芳烃辨识中，神经网络由于其非线性特点而明显优于化学计量学。为克服神经网络收敛速度慢，训练时间过长等缺点，在进入网络之前分别使用了主成分分析和自组织映射对光谱数据进行了特征提取。结果表明，对于多维荧光光谱，使用主成分分析或自组织映射和神经网络结合能快速、有效地鉴别重叠严重的多环芳烃荧光光谱，具有很大的可行性和推广性。