多组分体系分析是分析化学领域中极具挑战性的问题。现代分析仪器如气相色谱-质谱联用仪(GC-MS)、高效液相色谱-二极管阵列仪(HPLC-DAD)等为多组分体系分析提供了强有力的工具。利用先进的分析仪器,分析化学家得到了大量高维、复杂的分析数据。为了从复杂分析信号中提取出有用信息,研究新型信号解析方法具有十分重要的意义。目前,已有很多化学计量学方法用于多组分重叠信号解析。但是,大部分算法都存在一定问题。例如,目标因子分析(target factor analysis, TFA)结合非负免疫算法(non-negative IA, NNIA)可实现特定组分的提取,但该方法不适用于解析组分数较多的体系；窗口因子分析(WFA)和启发渐进式特征投影(HELP)等需要判断组分的选择性信息。免疫算法(immune algorithm, IA)可利用标准样品的信号(色谱或质谱)实现重叠GC-MS信号的解析。但当标样信号与实际测量信号之间存在差别时,IA算法无法正确提取各组分信息。本论文以多组分体系的GC-MS信号为研究对象,基于IA和NNIA建立了数种多组分体系重叠GC-MS信号解析方法,为多组分体系分析提供了新的思路。具体内容主要包括：(1)TFA结合NNIA可实现特定组分的提取,但该方法不适用于解析组分数较多的体系。基于IA建立了一种复杂样品的GC-MS’决速分析方法,通过提供比实际组分数更多的标样信息实现重叠GC-MS信号解析,实现多组分体系所有组分的同时解析。该方法采用快速温度程序测量复杂样品的GC-MS信号,再通过快速解析得到各组分的信息。采用所建立的方法对16种组分的有机磷农药混合物进行了分析,在保留时间10min之内得到了所有组分的色谱信息。(2)标样信号与实际测量信号之间的差别会造成IA的解析结果出现偏差。针对标样信号与测量信号不一致的问题,提出了一种交替迭代算法用于重叠GC-MS测量信号的直接解析。该方法在不提供标样信号的情况下可以解析出组分的质谱和色谱信息。计算过程中,采用随机产生的质谱作为初始输入,利用最小二乘和IA算法交替计算质谱和色谱,直到满足终止条件。采用所建立的方法对40种组分的农药混合物进行了分析,使用快速升温程序在10min保留时间内得到了全部组分的色谱和质谱信息。(3)利用选择性离子通道信息,可以提取某一感兴趣组分的信息。但是,确定选择性离子具有一定困难。基于NNIA,提出了一种选择性离子识别方法用于重叠GC-MS信号解析。将GC-MS信号中每个质荷比(m/z)通道的色谱作为标样信号,利用NNIA计算各m/z通道的色谱之间相互投影可得到n个质谱。通过比较参考质谱和解析得到的质谱可确定选择性离子。利用选择性离子可得到被测物的质谱和色谱信息,从而将被测物的信息从混合信号中提取出来。采用所建立的方法对40种组分的农药混合物进行了分析,结果表明,重叠GC-MS峰中各组分的质谱和色谱均能成功提取。(4)由于仪器和实验条件的不同,实际信号中的质谱与标准质谱库中的质谱可能会不同。如果直接采用质谱库中的质谱作为NNIA的输入,会导致解析得到的色谱信号出现扭曲。为了解决这一问题,提出了基于迭代目标转换因子分析(iterative target transformation factor analysis, ITTFA)的质谱校正方法用于重叠GC-MS信号解析。该法利用ITTFA校正标准质谱库中的质谱,然后用校正后的质谱解析多组分重叠信号。采用所建立的方法对16种邻苯二甲酸脂类物质的混合物进行了分析,在13min保留时间内得到了全部组分的色谱和质谱信息。结果表明,校正后的质谱与纯物质质谱的匹配率均高于800‰,且采用校正后的质谱解析得到的色谱无论是形状还是强度均比直接采用标准质谱库中的质谱解析得到的色谱更可靠。