毛细管电泳分离分析技术自1981年Jorgenson和Lukacs的研究工作发表以来，获得了巨大的发展。毛细管电泳具有高效快速和样品用量少等优点，在有机分子、药物分子，特别是手性分子和生物大分子的分离方面，对高效液相色谱提出了挑战。毛细管电泳方法的不足之处是其信号重现性及定量的准确性不及高效液相色谱法。本文研究了应用人工神经网络方法改善毛细管电泳定量准确度的可行性。全文共分五章，主要综述了人工神经网络方法在毛细管电泳及色谱方法中的应用、人工神经网络方法改善毛细管电泳定量测定准确度的可行性以及人工神经网络方法在过程分析化学中的应用。在本论文中，作者的主要工作如下： 1．综述了人工神经网络方法在色谱及毛细管电泳中的应用进展，主要包括迁移及保留行为的预测、实验条件的优化、模式识别、重叠峰解析、峰纯度判定和非线性相关模型化等。 2．提出了运用人工神经网络方法改善毛细管电泳定量测定美金刚准确度的校正方法，建立了以人工神经网络为基础的定量分析的软模型。 3．研究了毛细管区带电泳法定量测定利巴韦林的最优化条件，建立了浓度与响应信号之间的基于人工神经网络的新型模型，测定了利巴韦林的含量，取得了令人满意的结果。 4．综述了人工神经网络方法在过程分析化学中的应用，包括过程建模、过程控制、模式识别和聚类分析、电子鼻等。