毛细管电泳与色谱方法以及蒸馏、重结晶、溶剂萃取、化学沉淀、电解沉积、离心分离等方法构成化学学科领域内的重要分离分析方法。经过长期的发展,毛细管电泳与色谱分离分析方法已成为分析化学学科的最重要分支之一。随着现代科学技术的发展,新型高维联用的色谱和毛细管电泳仪器广泛应用于化学及分析化学领域,因而使获取大量高维化学量测数据成为可能和必然。从二十世纪七十年代起,在分析测试或化学量测中,获取大量的数据已不再是困难的一步,而更应引起重视的是对大量化学量测数据的解析及从大量化学量测数据集中提取有用信息。同样的问题也发生在色谱及毛细管电泳分离分析领域。要对复杂的多维量测数据进行解析,必须借助计算机以实现许多复杂的数学方法,包括一些相关学科领域中的数据与信号处理方法。因此,化学计量学学科得以于二十世纪七十年代创立。 人工神经网络方法是化学计量学的一个重要分支。由于该方法具有较强的非线性映射能力,因而可用于非线性过程的模型化、非线性体系的多元校正分辨以及化学模式识别等方面。在色谱及毛细管电泳分离分析体系中,一般意义上来讲,非线性过程(或体系)比线性过程(或体系)更为普遍,甚至有些过程(或体系)尚难找到适宜的数学模型进行描述。在这种情况下,将神经网络方法引入色谱及毛细管电泳分离分析体系进行相关研究无疑是适宜的和必要的。目前,已有大量相关研究工作报道。 有必要指出的是,尽管人工神经网络方法的研究已取得了较大的进展,但总体来看,对神经网络方法的研究无论在应用上还是在理论上均处于初级阶段。还