卷烟风格在卷烟工业和销售方面都有重要意义，卷烟风格的确定一般是由具有资质的专家进行评吸。这种专家评吸方式具有悠久的历史，但也存在一些不足如再现性差、因人而异等。因此，为卷烟产品建立一种客观评估其风格的数学模型十分必要，而且具有实际价值。　　 建立这种模型的前提是卷烟风格和卷烟化学成分之间存在内在联系。一些研究表明卷烟中大量的挥发性和半挥发性物质与卷烟风格有着重要关系。基于这样的事实，就可能建立一种有效的数学模型，通过处理卷烟化学成分的含量，预测出相应的风格值。　　 在卷烟化学成分的分析中，气相色谱-质谱联用（gas chromatography-masss pectrometry, GC-MS）是一种优良方法，可以获得丰富的组分信息。但是，GC-MS数据包含的自变量数目一般远大于样品数目，不能直接用于建模。这种情况下，必须对原始数据进行降维处理。主成分分析(principal component analysis，PCA)是广泛应用的降维方法，与多元回归相结合就是主成分回归(principal component regression，PCR)。在化学计量学中，偏最小二乘法(partial least squares，PLS)也是应用较为广泛的回归方法。　　 本文详细阐述了GC-MS在化学分析中的应用和地位，PCR、PLS等化学计量学方法在处理大量数据方面的优势及应用成果。在此基础上，本研究使用PCR、PLS回归方法建立卷烟的风格评吸数据和GC-MS数据之间的定量模型，旨在找到一种客观、准确的评估卷烟风格的方法，具体工作包括以下两个方面:　　 1.利用加速溶剂萃取法萃取卷烟中的成分，GC-MS做仪器分析，检测其中的挥发性成分。二氯甲烷作萃取剂，正十六烷和烟酸甲酯做内标，用加速溶剂萃取法萃取卷烟烟丝样品中的可溶性物质。利用旋转蒸发浓缩仪在低于40℃、低压下蒸发浓缩接收液到1 mL，4℃保存，然后利用气相色谱质谱联用仪做仪器分析。　　 本研究中共用到78个样品，所有的样品在同一条件下批量前处理，批量仪器分析。　　 2.利用化学计量学方法分析卷烟样品的GC-MS数据。实验得到的气相色谱质谱联用数据经过数据前处理，如扣背景，峰对齐等，选取4.546min到49.885min的6800个数据点作为最终的分析数据。　　 利用主成分回归法建立卷烟风格与其GC-MS数据之间的模型。根据是否对数据进行中心化处理和是否在模型中加常数项，建立四种模型。分别用这四种模型对测试集样品的风格进行预测，并以平均绝对误差(MAE)为评价指标评价模型的预测效果。　　 同样地，利用偏最小二乘法建立卷烟风格与其GC-MS数据之间的模型，用所建模型对测试集中的样品进行风格预测，并以MAE为评价指标评价模型的预测效果。