激光诱导击穿光谱（Laser induced breakdown spectroscopy，LIBS）技术作为一种发射光谱分析技术，因其具有远程非接触测量、分析时间短、多元素同时检测、快速实时在线分析等优点，被公认为是一种具有广阔应用前景的元素分析技术，可有效的对物质的成份和含量进行检测分析。LIBS技术自问世以来，广泛的应用于环境检测、冶金过程、煤质分析、深空探测、地质研究等方面，此外，LIBS技术与化学计量学、数据挖掘等技术结合也取得了大量的研究成果。本文讲述了LIBS技术的检测原理，介绍了LIBS系统的实验设备，并在实验过程中搭建了一套LIBS实验系统，完成光谱采集任务，再将得到的光谱数据进行预处理。然后，从LIBS技术的定性和定量分析两个方面出发，对物质成份进行了分析研究，以促进提升LIBS技术的实用化，在物质成份分析方面主要工作如下：
　　在定性分析方面，对陶瓷样品中的11种常见元素Si、Al、Fe、Ca、Mg、Ti、Mn、Na、K、Sr、Ba的发射谱线进行了分析，比较主成分分析（Principal component analysis，PCA）和核主成分分析（Kernel PCA，KPCA）两种方法对陶瓷的聚类效果，并且分别基于PCA、KPCA与BP神经网络算法，对陶瓷的组成成份进行了研究。实验表明，对于来自不同地区的陶瓷，LIBS谱线差异较大，基于KPCA和BP神经网络分析模型得到的识别准确率达到99.38%，而对同一地区的陶瓷LIBS谱线差异较小，其识别准确率也能达到95.83%。因此LIBS技术与BP神经网络结合可以有效的鉴定陶瓷，且KPCA比PCA更适用于陶瓷LIBS光谱数据的降维。
　　在定量分析方面，对碳钢样品的LIBS光谱进行了分析，以实现对碳钢中碳元素浓度的检测。鉴于碳钢中Fe II247.86nm发射谱线对C I247.86nm发射谱线的干扰，无法用传统的定标法对C I247.86nm进行定量分析，本文构建了基于BP神经网络的定量分析模型。同时针对单一的BP神经网络预测精度仍有待提高的问题，建立一种基于遗传算法（Genetic algorithm，GA）优化的BP神经网络（GA-BP）定量分析模型，分析了碳钢中C元素的浓度，并且将两种模型的定量分析效果进行了比较，实验结果显示GA-BP模型对所有样品的定标曲线拟合优度可达到0.9989，均方根误差为0.0114。结果表明GA-BP方法可以克服Fe II247.86nm谱线的干扰问题，实现对C I247.86nm谱线的定量分析。
　　本文的研究成果丰富了LIBS技术的定性、定量分析方法，有助于促进LIBS技术实用化。研究的陶瓷样品由中国科学技术大学科技考古系于戈博士提供，碳钢样品来自中国科学技术大学国家同步辐射实验室。