关于近红外光谱的应用和探讨介绍

　　在这一时期掀起了一个采用化学计量学用于数据预处理以实现近红外光谱解析和定标模型优化的高潮，其主要针对问题是样品颗粒度、装填密度等因素所导致的散射问题。Ian Cowe和 Jim McNicol首先将主成份回归分析方法用于近红外光谱的数据降维压缩处理以实现定标模型稳定，通过对回归主因子的优选达到了排除非测量因素（如颗粒度尺寸及分布）和非线性因素影响的目的，达到了很好的效果。同时令他们惊奇的是，稳定的定标模型所采用的主因子与待测成份的主要近红外光谱吸收带有很强的对应关系，对定标模型合理性可以给出满意的解释。

　　Kawalski 和他的研究生们则首先将偏最小二乘回归技术应用于光谱学技术中来，但直到最近几年该技术才在近红外分析技术中得到应用和推广。经过理论与实践的并行发展，化学计量学已经形成较为完整的体系，其中主要分为定性和定量分析两个模块，H.Mark 等对其进行了较为详细地论述。化学计量学这一时期在近红外领域的应用和探讨可以主要集中在以下几个方面：

　　1）非线性回归定标方法如人工神经网络、局部权重回归等用于多变量非线性定标模型的探讨。

　　2） 最优定标样品集的选定方法。

　　3） 基于小波变换数据压缩技术的大定标样品集探讨。

　　4） 偏最小二乘回归和其它因子回归方法在最佳因子数选取原则比较的探讨。

　　5） 定标波长通道的优选问题。

　　6） 同类型仪器的定标模型转移问题。

　　伴随着化学计量学技术在近红外光谱分析领域的不断发展，研究人员可以更加准确地掌握了近红外光谱吸光度信息与物质化学成分信息之间的线性相关性，虽然化学计量学方法本身的改进并没有在定量分析结果准确性方面有多大的改善。