近红外技术结合多元回归方法已经广泛应用于许多行业的物质相关成分含量的测定.近红外光谱不但包含着物质成分信息,而且这些信息完全掩盖在众多复杂背景当中(包括光散射、背景噪声以及背景漂移).近红外光谱本身也容易受样品的形状、大小、颜色和仪器状态等参数的影响,其中仪器能量变化是一个重要影响参数.该文第一部分以玉米粉末样品,用漫反射法测定玉米粗蛋白含量,研究了近红外仪器能量变化对分析模型预测效果的影响.结果表明,随着仪器能量降低,模型相对标准偏差(RSD)有增大趋势,仪器相对能量从100﹪衰减到18﹪后,模型预测值RSD从2.5﹪增至4.72﹪.不同能量下的预测值与化学值相关直线的t检验(α=0.05)表明各相关直线均无显著性差异;模型预测值的方差分析(α=0.05)表明仪器能量变化并不会使未知样品预测值产生显著性差异.由于装样误差在模型整体误差中所占比重较大,所以严格控制装样在漫反射近红外分析中仍是一个值得注意的问题.基于正交信号投影分解的正交信号校正(OSC)方法,是近年来在化学计量学领域中提出的一种全新数据预处理方法.OSC校正法在对原始数据进行滤波时,可确保滤除的信息与待测信息(浓度等)无关,因而优于传统的数据处理方法.该文第二部分考察了OSC校正算法应用于烟草粉末样品和液体样品模型的预测效果.结果表明在保证模型预测能力的同时,OSC校正法极强的滤波能力降低模型的复杂度,也即烟草烟碱模型主因子数从7减少为3,烟草总糖模型主因子数从6减少为3,四元混合体系液体样品中甲苯预测模型主因子数从4减少为3.OSC算法对于粉末状及其成分比较复杂的样品的分析表明其更具校正优势;而对于简单样品体系(如手工配制的纯化学品液体)的含量分析,其校正能力不明显.