全文共分五部分,主要阐述了化学计量学多元分辨这一分支的发展情况以及应用现状,重点描述了近年来基于矩阵分辨和张量分辨的多元分辨算法的发展和应用,并用这些方法解决样品分析中由于混合物色谱、光谱严重重叠所引起的组分分离和分析极为困难的问题,对重叠峰进行分辨和定量。 第一章概述了化学计量学多元分辨这一分支的发展情况和研究现状,重点描述了基于矩阵分辨和张量分辨的多元分辨算法近年来的发展和应用。 第二章详细阐述了本论文所涉及的一些基于矩阵分辨和张量分辨的多元分辨算法的原理。 在第三章中,运用直观推导式演进特征投影、子窗口因子分析法和正交投影分辨三种矩阵分辨算法解决毛细管电泳重叠峰中相关组分的定性和定量问题,并考察了由不同化学计量学方法(渐进因子分析和固定尺寸移动窗口渐进因子分析)得到的化学秩图对三种分辨方法分辨能力的影响,最后对分辨的结果进行了比较。此外,它们与一阶多元分辨—交替最小二乘对同样数据分辨后产生的结果也进行了比较。 在第四章中,将三维分辨算法Tucker 3、平行因子分析法和交替三线性分解法应用于三维荧光光谱三种氨基酸重叠峰中各个组分的定性和定量分析中。结果表明,三种算法都能有效地解决荧光光谱严重重叠的几种物质的同时定性和定量分析,化学计量学三维数据分辨方法可应用来解决常规方法所不能解决的问题,具有一定的理论和现实意义。 第五章,应用人工神经网络和偏最小二乘两种多元校正方法解决荧光光谱重叠峰中相关组分的定量问题。结果表明,基于遗传算法选择变量输入的BP人工神经网络方法对荧光光谱重叠峰中各个组分的浓度预测准确度较高。这为该类物质混合物的例行分析提供了一种快速、可靠的方法。