本文作者对数据存在缺陷时的多元校正方法进行了研究,提出了一种在多元校正迭代计算中重构缺陷数据的化学计量学算法。本文还提出了一种新的三线性分解算法——交替残差三线性化,并结合缺陷数据重构探讨了处理三维荧光分析中强干扰数据的方法。本文还研究了在一阶多元校正中用缺陷数据重构等算法提高模型转移性能的方法,并将这些方法应用于实际分析体系。本论文的内容主要三个部分：1.缺损数据重构与二阶多元校正建模本文以模拟数据和三维荧光光谱为研究对象,探讨了以缺省数据重构(MDR)处理数据阵缺陷数据的多元校正方法。瑞利散射是荧光光谱分析中典型的高强度非线性信号干扰,很难直接对含有瑞利散射信号的三维荧光光谱进行多元校正。为了消除或降低多元校正过程中瑞利散射的干扰,本文探讨了结合缺损数据重构迭代算法与主成分分析(MDR-PCA)去除荧光光谱中瑞利散射干扰的方法,以及在平行因子分析(PARAFAC)中结合缺损数据重构消除散射信号影响的方法。通过设置合适的数据缺损区域,对于单组份荧光EEM光谱,MDR-PCA方法可以有效避开散射干扰精确地提取到纯组分激发、发射光谱,并重构不含散射区的EEM光谱；对于多组分荧光EEM光谱,选择合适的主成分数,用MDR-PCA方法加上缺损区单调下降约束后可有效修正散射区信号。本文探讨了在经典三线性分解算法——平行因子分析中结合缺损数据重构消除散射信号影响的方法,以及在重构中进行高斯轮廓约束的方法。结果表明,MDR-PARAFAC结合轮廓约束的方法在模拟数据、酚类荧光和分子信标荧光数据集的解析中,均可获得与真实值高度吻合的解析解。从而证明,MDR通过三线性分解计算过程中的跟随迭代重构缺损区数据,既能充分利用光谱阵中的有效信息,又能有效避免干扰信号的影响以助于三线性数据解析。本文提出了一种新的二阶校正方法——交替残差三线性化(ART),用于解决多种靶序列同时定量检测时分子信标荧光光谱重叠的问题。分子信标探针技术目前被广泛应用于小分子、蛋白和核酸的分析检测中。但由于标记分子信标的荧光分子种类少、光谱带宽,严重限制了分子信标在多组分同时分析中的应用。与传统的二阶校正平行因子分析方法(PARAFAC)相比,ART无需预先估计组分数N,而是在收敛过程中自行确定,提高了分子信标检测的稳健性。为了规避荧光光谱中不符合三线性的瑞利散射干扰,本文在ART算法中结合采用了缺损数据重构(MDR)算法。数据分析结果显示,在三种分子信标荧光光谱重叠非常严重的情况下,ART分辨得到的解析光谱与真实光谱高度吻合,其定量结果与真实浓度基本一致,证实了ART的有效性。2.缺损数据重构与一阶多元校正模型的转移在近红外定量分析中,校正模型的转移效果是分析方法是否能够实用的关键。本文利用缺损数据重构(MDR)算法,用标准化样本集构建光谱转换矩阵,将待转换光谱视作缺损数据,把不同目标机上的光谱向源机的方向转换,使得不同目标机光谱用源机模型预测时能得到与源机光谱偏差水平相当的结果。对比了MDR方法与多台仪器混合建模的模型传递效果。结果表明,两台仪器混合建模策略取得了与MDR方法相近的效果,但三台仪器混合建模的预测精度已经有明显下降,各个指标的预测RMSEP都高于MDR方法。除此之外,混合建模需要在各仪器获取大量校正样本的光谱,工作量大不易操作,而MDR方法只需采用很少数量(少于10个)的仪器间共同标样即可取得满意的效果。在近红外分析方法的实际应用中,往往要维护大批仪器的一致性,此时MDR光谱转换方法无论在效果上还是效率上,都具有明显优势。本文提出了一种新的一阶多元校正模型转移方法——光谱空间转换(SST),并用两组近红外光谱数据对SST的性能进行了评价。考察了两组光谱数据集的PLS预测模型,在维护模型转移性能时,SST方法与全局PLS、斜率截距校正(SBC)和分段直接标准化(PDS)等经典方法相比,在所有数据集的预测中均得到了最好的结果。结果表明,SST是一个性能优异的校正模型转移方法,在光谱定量分析方面具有良好的应用前景。3.模型转移方法在烟草分析中的应用在MDR、SST两项模型转移方法研究工作的基础上,本文深入探讨了缺损数据重构(MDR)、光谱空间转换(SST)两种光谱转换方法以及一阶导数、离散小波变换等光谱前处理方法在烟草化学成分近红外分析模型转移中的应用效果。结果表明,SST法简便易行,在不同机器间应用时,只需优化因子数一个参数,模型转移性能即提升显著,且较稳定。与一阶导数、小波变换等光谱前处理方法相比,SST方法在仪器间差别较大或差异较复杂时,优势较明显。缺损数据重构(MDR)法得到的结果与SST法相近,但由于MDR方法每校正一次光谱都需要进行NIPALS迭代计算,因此效率低于SST方法。