基于煤质分析对燃煤电厂的重要性以及现有的煤质分析技术存在的局限性,本文将可以实现快速、多元素同步检测的激光诱导击穿光谱(LIBS)技术应用到煤质特性分析上。但是,由于LIBS技术存在基体效应等影响,导致LIBS测量的准确度有待进一步提高。因此,本文开展了基于LIBS提高煤质分析准确度的方法研究,主要包括以下两个方面:一个是LIBS技术结合有效的化学计量学方法用于提高煤质特性指标分析准确度,另一个是LIBS与激光烧蚀电感耦合等离子体飞行时间质谱(LA-ICP-TOF-MS)的系统联用及数据融合技术提高煤种鉴别分析的准确度。论文首先分析了不同煤样品的光谱特性,对获得的光谱数据进行统一的标准化处理。针对热值及工业分析指标(挥发分和灰分)的定量分析,通过对各指标影响因素以及LIBS基体效应的分析,将不同的化学计量学方法(多元线性回归(MLR)、偏最小二乘回归(PLSR)、支持向量机回归(SVR))用于各指标的定量分析中,通过不同模型方法的结果对比,说明所采用的基于K折叠交叉验证(K-CV)参数优化的SVR定量分析方法可以有效提高热值、灰分、挥发分定量分析准确度。针对煤中的主要元素(C、H)的定量分析,提出构建基于主导因素偏差修正的定量分析方法。根据C、H元素的激发特性分析,选用碳原子、碳分子谱线强度作为主导因素建立C元素MLR模型,而对H元素,则结合氢原子以及碳原子和碳分子谱线强度作为主导因素建立MLR模型。为了进一步提高分析的准确度,分别利用PLSR、SVR模型对MLR模型产生的偏差作进一步修正。所得到的结果与常规MLR、PLSR、SVR对比,说明所采用的主导因素偏差修正模型可以有效提高C、H元素定量分析的准确度。进一步地,基于LIBS与LA-ICP-TOF-MS技术的互补性,提出将LIBS与LA-ICP-TOF-MS系统联用,并通过数据融合实现煤质特性的鉴别分析。通过不同的分类模型对LIBS数据、TOF数据以及这两种数据经过不同融合方式得到的TOF+LIBS数据、TOF/LIBS数据进行不同煤种鉴别分析,表明将LIBS与LA-ICP-TOF-MS的数据进行有机融合可有效提高煤种鉴别分析准确度,其中基于TOF/LIBS数据的支持向量机分类模型得到了比较理想的鉴别结果。最后,对全文进行总结,以及对下一步研究工作提出建议与展望。