白酒是中国最具代表性的一种古老蒸馏酒,也被誉为中国的“国酒”,在中华传统文化中占有独特的地位。中国传统的白酒工艺有着悠久的历史发展,一直都主要依赖个人的操作技能和经验。近些年,白酒生产也开始陆续与现代生物技术、自动化和电子信息技术方面的一些进展相结合,以改进传统的工艺方法。目前,白酒加工技术的发展正朝着全机械化、自动化、智能化的方向发展,同时也要保证白酒的品质和风味。本文以实现入池酒醅状态识别与白酒发酵过程控制为出发点,寻求建立入池酒醅近红外光谱机器学习模型和白酒固态双边酒精发酵动力学模型。在近红外光谱模型方面,探讨了近红外光谱数据的预处理和特征筛选策略。在动力学模型方面,探讨了引入酶动力学模型对模型拟合结果的影响,对比了两种不同算法在参数结果、拟合度、耗时等方面的不同。主要研究结论如下:（1）堆积阶段酒醅按不同上层酒醅占比发酵完成后蒸馏得到原酒品质有明显差异,各样品出酒率整体与上层酒醅占比呈现正相关关系,差异可满足与后续建模要求。使用24种不同模型预设所得的酒醅近红外光谱机器学习分类模型中,集成（子空间判别）分类准确度最高,达到93.3%。以上结论可以说明本研究成功建立了白酒入池前酒醅近红外光谱机器学习模型,可以实现对入池前酒醅较为准确的判别。（2）不同预处理策略预处理后的2520组数据建模结果中,采用多元信号校正（MSC）→卷积平滑（windows:11 pt,order:4）,不进行平滑和缩放的预处理策略得到的数据获得了最高的模型分类准确度98.4%,根据结果还可以说明并不是每一种预处理步骤都一定需要进行,多余的预处理操作并不一定会对模型预测结果有利。使用主成分分析（PCA）和最小绝对收缩和选择算法（LASSO）两种不同的特征筛选方法对原始光谱数据进行处理后建模的结果中,当LASSO选择4个波长数据进行分类训练时,模型的分类准确度最高达到93.3%,且发现此方法经过特征选择的数据建模后能够达到最高分类准确度的模型预设为朴素贝叶斯（高斯）与SVM（精细高斯）,与特征筛选前不同。以上结论可以说明本研究成功提出了有效的近红外光谱预处理策略和特征选择方法,提高了模型分类的准确度,降低了数据复杂程度与分析效率。（3）分析了实验室模拟白酒固态双边酒精发酵过程酵母生长、葡萄糖转化、产物乙醇形成和底物淀粉水解的变化过程,得出结论可以将发酵周期控制在140 h之内,发现了乙醇浓度对酵母生长和乙醇生产有抑制作用,以此实验结果建立了白酒固态双边酒精发酵动力学模型,并构建了后续寻优过程的目标函数。以上结论可以对其他发酵动力学模型的构建与优化起到一定的借鉴作用。（4）引入酶动力学模型前,模型综合拟合优度R~2为0.828,而引入酶动力学模型后,模型综合拟合优度R~2提高到了0.969,且淀粉（）模型拟合优度R~2达到0.985 09,在没有酶浓度数据的前提下,证明了酶动力学模型中的参数辨识结果是合理的,且引入酶动力学模型对整体拟合的效果有很大的提高。通用全局算法（UGO）拟合结果中中除了葡萄糖转化模型的拟合结果评估（R~2=0.992 65）略微小于GA（R~2=0.992 77）外,其他三个模型拟合结果的拟合优度都要优于遗传算法（GA）,拟合结果更好,而GA的算法运算效率高于UGO。两种算法在乙醇动力学模型和葡萄糖转化模型上得到的参数差异较小,而在淀粉水解模型、酵母生长模型和酶动力学模型上有一定差异,从实际意义上来看GA得到的参数明显不具有实际意义,而UGO得到的参数更加合理,且引入酶动力学模型对参数合理性也有一定帮助。采用UGO得到淀粉水解、葡萄糖转化、酵母生长、乙醇生产4条拟合曲线的拟合优度R~2分别达到0.986 52、0.992 65、0.910 52和0.996 45,除了酵母生长模型（0.910 52）以外,其他模型的拟合优度R~2都远大于0.95,说明模型在统计学意义上是成功的,对未来白酒固态双边发酵过程的优化和控制具有一定参考价值,并且对白酒生产工艺的自动化发展具有一定意义。