针对紫外分光光度法（UV法）检测混有干扰物质的硝酸盐氮溶液浓度精度不高的问题，提出一种基于主成分分析（principal component analysis，PCA）和BP神经网络的硝酸盐氮浓度检测方法。通过微型光谱仪物质成分检测系统测得硝酸盐氮试剂在196 nm～631 nm波段的吸光度数据，分为测试集和训练集。通过PCA计算训练集，得到主成分。根据BP算法搭建三层人工神经网络。将所得主成分除以8后输入网络展开训练。训练过程中采用留一法交叉验证。用该模型计算训练集和测试集，所得值与真实浓度的平均相对误差分别为2.411 5%和1.553%。实验结果表明，该方法能较好检测出混有干扰物质的硝酸盐氮溶液浓度。

现有的光学溶解氧浓度检测方法中光路及电路结构复杂，本文提出了一种单路光源的频域荧光寿命的溶解氧检测方法.采用单路光源的光学结构实现水体溶解氧浓度的检测，简化了光路及电路结构，改进了溶解氧浓度检测算法，降低了整体检测过程的计算量.设计对比实验对方法进行验证，实验结果表明：单光源的频域荧光寿命的检测方法与DOP1光学溶解氧分析仪相比，在0~9 mg/L范围内，实际检测误差降低至0.04 mg/L；衡量稳定性的检测标准偏差为0.007 mg/L，同比降低了36%；采用快速傅里叶变换以及改进的溶解氧浓度计算方法，配合优化的电路及光路结构，在达到90%稳态时响应时间平均缩短了12 s，浓度上升和下降时的响应速度分别提升为40%和28%.该方法具有较好的检测精度、稳定性以及响应速度.