数据包络分析（Data Envelopment Analysis，DEA）作为一种非参数方法，在许多领域都有了广泛应用。本文基于DEA理论，在生化系统代谢网络分析的基础上，研究了代谢物浓度预测的模型和方法。 本文主要开展了两方面的工作。首先，尝试用改进的C2GS2模型预测具有不同代谢结构的代谢物浓度。在改进的模型中，减少了不等式约束的数量，但是预测效率并没有降低。本文利用改进后的DEA模型检验了3组数据。在第一、二组数据中，调控结构没有发生变化，但是6种酶的浓度分别允许在参考值的±20％-±500％，以及±10％变化。在第三组数据中，生化反应的数量减少了，6种酶的浓度允许在参考值的±20％-±500％内变化。基于第一、二组数据的预测值，以及两组数据的组合，DEA模型都有效。但是，DEA模型不能对3组数据的组合做出正确预测，这表明该模型只对来自具有相同调控结构的数据有效。利用这个性质，DEA模型可以区分不同调控结构的代谢物浓度值。其次，本文在处理具有相同调控结构的数据时，对数据进行适当分类，即只利用局部数据预测，可以在保持预测精度的同时，降低了约50％的计算量，从而简化了计算过程，提高了计算效率。数值计算结果表明本文给出的模型及方法是可行的，对代谢过程的分析有其实用价值。