现有水质有机物综合指标分析方法可根据原理分为化学法、光学法两类。与化学分析方法相比，基于光学原理的水质有机物污染综合指标分析方法具有分析速度快、无化学试剂污染、操作维护简单、运行费用低等显著优点，适用于自动在线环境监测系统，代表了未来绿色监测的发展方向。但现阶段该方法存在着分析精度较低的劣势，成为此类方法发展的瓶颈，阻碍了其在大规模环境监测系统中的广泛应用。本文以水质有机物综合指标的光谱分析这一问题为研究对象，采用基于信息融合和集成学习的研究方法，主要研究旨在提高水质光谱分析的精度，其内容包括以下几个方面：1．针对采集的地表水样本，从分析对象和分析方法两个角度分别详细分析了水样中各组分的光学性质，以及现阶段的两种水质光谱分析方法——紫外吸收光谱法和三维荧光光谱法在用于水质有机物综合指标分析时各自的优势和劣势。2．针对水样中含有的高强度干扰信息缺乏有效处理方法的难点，提出了一种特征提取方法：IICA-R方法，将分析建模的目标变量即水质有机物综合指标的化学分析值作为先验知识引入到传统ICA方法中，通过双重独立成分分析来选择对建模有效的多个特征，有效去除干扰信息。3．针对单一的紫外吸收光谱或三维荧光光谱分析精度较低，而又无法通过各自的自我完善得到改观的问题，首次提出基于多源光谱信息融合的水质分析方法。通过分析光谱融合建模的特点，在各光谱独立特征提取和融合信息平衡的基础上，采用最小二乘支持向量机方法建立多光谱融合水质分析模型，避免了多光谱合并提取特征时造成的荧光光谱对于紫外光谱的信息掩盖问题。4．针对多源光谱融合建模算法参数寻优的问题，提出一种基于Boosting集成学习的多模型融合建模新方法，基于结构风险最小化理论提出一种Boosting迭代停止判据，自动优化了最小二乘支持向量机算法参数，保证了多光谱融合水质分析模型具有最佳的预测精度。5．将本文提出的上述方法应用于采集的地表水样本的实验分析，计算结果证实了本文研究结果的有效性。