煤炭在我国的能源结构中占据着重要的地位,煤炭的煤质检测是其贸易结算的主要依据,然而传统的煤炭检测实验室仍然有着诸如检测周期长、硬件投入成本高以及信息化低的弊端,因此研究出一种基于激光诱导击穿技术的能够进行煤质快速检测的实验室管理系统对于第三方检测实验室以及煤炭生产与使用等应用场景具有重要意义。本文首先分析了激光等离子体的形成机理与光谱特性,对获得的煤样激光诱导击穿技术（LIBS,Laser-Induced Breakdown Spectroscopy）原始光谱使用碳、硅元素信噪比法进行统一的筛选,随后分析多种光谱预处理方法的优劣后选择使用能够兼顾软、硬阈值法优点的小波阈值变换对待测煤样LIBS光谱进行去噪处理,从而达到去除背景噪声与杂波干扰的目的。针对煤炭元素的定量检测问题,在对比了常用的五种LIBS定量分析方法后选择了使用BP神经网络算法对煤样中各元素含量进行测定。为了解决BP神经网络算法在数据输入时造成信息遗漏的问题,提出了基于遗传算法和BP神经网络算法的遗传-BP神经网络算法,通过两种算法的优势互补对煤样元素含量进行更精准的测量,对此本文设计了验证实验,实验表明运用遗传-BP神经网络算法得到的检测结果更接近理化实验测得的标准值。对于煤炭中灰分预测的问题,本文根据40份煤样的训练与测试结果对三种煤样灰分预测算法进行了研究,提出一种遗传-支持向量回归算法进行灰分预测的方法。该方法利用遗传算法能够全局寻找最优解的特点,能够解决支持向量回归算法在参数选择方面的不足。大量实验证明该方法在准确度和稳定性方面均展现出优越的性能。基于上述理论研究,进一步开发出一套基于LIBS技术的煤炭检测实验室信息管理系统,在系统中实现了检测业务、检测报告/记录、财务管理、市场管理、质量控制、统计报表以及基础数据七大功能模块并成功通过了系统测试、自动生成了检测证书。最后对全文进行了总结,并对接下来的研究工作指出了方向。