中文摘要：

光谱分析技术是利用样品的光谱信息来对样品成分进行定量分析的一种快速检测技术。基于包含噪音的高维光谱数据，采用有效的化学计量学方法，在消除噪音的同时尽可能地降低光谱数据的维度，进而建立良好的数学模型来预测样品成分含量。偏最小二乘法（PLS）是融合主成分分析和多元回归的一种常用的光谱分析方法。它可以有效地去除噪音、降低数据维度。然而，PLS算法通常是对连续光谱数据建立模型，对于一些特征吸收不连续的分析对象，PLS模型很难提供良好的预测结果。本项目研究PLS算法的基本原理，主要对得分矩阵与载荷矩阵的推导、计算和关联过程做算法改进，使PLS能够适用于区间组合的非连续光谱数据的分析。同时，研究光谱信息优选方法，挑选出具有高信噪比的光谱波段，结合改进的PLS算法，建立优化的光谱分析模型，实现对区间组合的非连续光谱的数据分析，并进行计算机程序设计，建立相应的算法平台，从而达到提高光谱分析预测结果的目的。

结论摘要：

偏最小二乘法（PLS）是光谱定量分析的一种核心回归方法，它融合了主成分分析和多元回归，可以有效地去除噪音、降低数据维度。本项目一方面研究PLS 算法的基本原理，针对得分与载荷矩阵的推导、计算和关联过程做算法改进，简化PLS的因变量和自变量交错迭代过程。第二方面，研究光谱信息优选方法，挑选具有高信噪比的光谱波段，结合改进的PLS算法，建立优化的光谱分析模型，实现对区间组合的非连续光谱的数据分析。第三方面，进行计算机程序设计，建立改进PLS的算法平台，从而达到实现光谱快速定量分析的目的。本项目在理论基础、应用基础和实际应用三方面都取得了较丰富的成果，发表国内外核心刊物论文6篇。