化学信息学是一门关于计算机、数学及统计分析技术在化学中应用的科学。化学信息学和光谱分析相结合使得光谱分析进入了一个新时代,是现代光谱分析技术的一种非常有前途的方法。本文将化学信息学与紫外-可见分光光度法相结合,建立了一种新的对多组分混合物进行定量分析的非线性优化迭代—紫外分光光度法。方法对组分浓差较大的混合物体系及组分光谱严重重叠的混合物体系进行了定量分析研究。本文方法把多组分混合物的吸光系数和待测浓度同时作为决策变量,将多组分混合物定量分析问题表示为一个有约束多变量优化问题,创建数学模型,选用加和性良好的连续波长段做为优化波长集,选择广义简约梯度优化算法进行求解。据所建数学规化模型,由各样品的初始标准样品浓度值c0 i优化计算得分析结果c1i ,方法简单易行,但对于混合物中组分浓度差较大的体系,定量结果相对误差较大,基本不能满足定量分析的要求。基于此,本文提出了连续波长迭代优化—紫外分光光度法,方法引入了迭代的思想,将一次优化结果c1i代替c0 i配置溶液扫描数据代入模型继续优化计算,如此类推,逐次迭代同时逐步降低分析误差。而且因为最终结果的得出并不是只经一步计算所得,在几次的迭代过程中误差是逐步下降的,所以样品的标准浓度对分析结果的影响并不大。对三种浓差较大的混合物体系进行了多组分定量分析,结果表明:苯甲酸钠、山梨酸钾的平均相对误差为0.63%;苯酚、喹啉、吡啶的平均相对误差为1.01%;日落黄、柠檬黄、胭脂红和靓蓝的平均相对误差为0.81%。分析结果表明方法抗干扰能力强且定量准确。在研究的过程中发现优化波长集的选取相当关键。对于紫外吸收光谱严重重叠的混合物体系,本文在光谱数据预处理过程中用选取优化波长集合的方法,即采用加和性检验和模式识别的系统聚类分析方法对波长进行优化选择,突出了各组分之间的差异,降低波长点所含信息的相关性。然后把吸光系数和待测浓度同时作为自变量建立有约束非线性数学规划模型实现定量分析的要求,对