La espectroscopia de fluorescencia de rayos X (XRF) es una técnica de medición diferencial no destructiva ampliamente utilizada en el análisis elemental. Sin embargo, debido a su alta no linealidad inherente y problemas de ruido, es un desafío lograr altos niveles de precisión en el análisis espectral de XRF. En respuesta a estos desafíos, este artículo propone un método para el análisis espectral de XRF que integra un algoritmo genético adaptativo con una red neuronal de retropropagación, mejorada por un mecanismo de atención, denominado como el método AGA-BP-Atención. Al aprovechar las sólidas capacidades de extracción de características de la red neuronal y la capacidad del mecanismo de atención para centrarse en características significativas, se extraen características espectrales para la identificación de elementos. El algoritmo genético adaptativo se emplea posteriormente para optimizar los parámetros de la red neuronal BP, como pesos y umbrales, lo que mejora la precisión y estabilidad del modelo. Los resultados experimentales demuestran que, en comparación con las redes neuronales BP tradicionales, la red AGA-BP-Atención puede abordar de manera más efectiva los problemas de no linealidad y ruido de las señales espectrales de XRF. En el análisis espectral de muestras de contaminantes del aire mediante XRF, logró una precisión de predicción superior, suprimiendo efectivamente el impacto del ruido de fondo en el reconocimiento de elementos espectrales.