化学计量学是一门将计算机、数学及统计分析技术应用于化学与分析化学,在20世纪70年代后形成了化学的一门独立分支学科,目前主要有多元线性回归、支持向量机、主成分分析、偏最小二乘法与人工神经网络等。其中偏最小二乘(Partial Least Squares,PLS)算法求得模型的预报残差平方和较小,因而具有较高的预报稳定性,并得到的模型参数与实际问题的经验规律一致。PLS可以通过对原始数据进行压缩降维来改善模型的性能,比较合适用于处理变量多而样本数又少的问题。误差反向传播(Back Propagation Neural Networks, BPN)算法用于建立以权重来描述变量与目标之间非线性关系的人工神经网络,它是一类特殊的非线性回归分析,以尽量少的独立变量作为网络输入,并可靠的预测未知变量。可以与偏最小二乘、主成分分析(Principal Component Analysis, PCA)等方法联用,建立新的算法。而支持向量机(Support Vector Machine, SVM)方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的,通过选用不同的核函数找出空间最优平面,以避免信息的丢失,获得更为可靠准确的结果。近年来,表面增强拉曼散射(Surface-enhanced Raman Scattering, SERS)光谱技术已经广泛应用于众多领域,如生命科学、催化化学与环境化学等。而利用化学计量学方法与SERS联用技术,化学计量学方法建立的模型可以对拉曼光谱定性定量分析,受到了越来越广泛的应用。为此,本论文主要的研究工作为以下几个方面:1.概述化学计量学中PLS、BPN、SVM方法、拉曼光谱及SERS光谱的基本原理及其特点。2.借助化学计量学方法中PLS与BPN方法联用技术,定量分析胱氨酸与半胱氨酸两组份混合氨基酸水溶液的拉曼谱图数据,并尝试利用化学计量学方法测定甘氨酸、半胱氨酸、甲硫氨酸、组氨酸四组分混合氨基酸水溶液的拉曼谱图数据。3.制备银溶胶作为SERS基底,借助化学计量学方法中PLS与BPN联用技术,对多巴胺溶液的SERS光谱进行定量分析,为定量分析多组分混合溶液的SERS光谱打下基础。4.利用SVM方法,对原子光谱中不同电子组态的能级、强度、同位素位移和塞曼效应建立合适的模型,来预报未知的组态。并与其它几种化学计量学方法比较,由计算结果可以看出,对已知量少的小样本组分分类,支持向量机有更准确的预报能力。