建立稳健、准确的分析模型是近红外光谱分析技术的核心。目前,建立模型的主要难点有:光谱数据量大,传统建模算法难以突出光谱的物理化学意义,光谱解析困难,模型适应性不强,不利于模型的共享。本文选取其中几个重要问题进行研究,提出了完整的分析算法——JADE-ELM建模,用于光谱预处理和建立分析模型,优化近红外光谱模型,并应用于定量分析和模式识别,内容涉及以下几个方面:(1)在光谱预处理步骤中,针对光谱数据量大和解析困难的问题,使用特征矩阵联合对角化(JADE)提取光谱中独立成分。JADE基于四阶统计方法计算基本光谱,能够保留原始光谱的幅值、相位信息,同时降低不同基本光谱之间的干扰。为后续算法提供简洁的样本数据。提出JADE-by-blocks方法,确定最优独立分量个数(ICs),能全面提取基本光谱,又不引入噪声。利用近红外光谱和分子结构对应关系,完整地给出每个ICs的意义,有效地解析光谱。(2)在建立分析模型步骤中,针对模型适应性弱的问题,利用超限学习机(ELM)建立分析模型。ELM只需确定神经元个数,神经元参数随机生成,无需参数配置。以JADE算法解得的矩阵作为ELM输入,提高了模型准确度,有助于改善模型适应性,能提供稳定性强的模型用于模型传递。(3)将JADE-ELM方法应用于定量分析和模式识别。使用基于JADE-ELM算法建立小麦多组分分析模型。利用JADE提取基本光谱,得到体现组分含量的混合矩阵并作为ELM的输入建立模型,分析样品得到水分、粗脂肪和蛋白质模型相关系数分别为0.96、0.91和0.93。与PCA、SVM等传统建模方法比较,JADE-ELM模型结果的相关系数为0.93,效果最好。基于JADE-ELM方法建立砂梨成熟度鉴别模型。研究了不同预处理方法对模型结果的影响,最后使用附加散射校正和小波变换预处理方法,预测成熟度的准确率为95.8%。(4)开发了基于JADE-ELM算法的近红外光谱分析软件。该软件包含定量分析和模式识别两部分,可实现建立模型和样品预测功能。适用于在线检测或工程现场,可靠易用。