随着产品市场竞争的日益激烈，卷烟企业在生产自动化方面的要求也日益提高，产品质量已经成为了烟草企业生存与发展的根本之道。企业要在激烈的市场竞争中寻求发展，不仅需要不断增强自主研发创新能力、提高服务质量，还需要努力保证主打品牌的质量，使产品的质量可以说得清，从而保持用户对品牌的忠诚度。所以，提高烟草化学成分定量模型的预测性能，对提高卷烟产品的质量至关重要。近红外光谱分析技术作为一种绿色分析技术，近年来在烟草行业得到了迅速发展和广泛应用。作为一种间接分析技术，近红外光谱分析技术主要借助化学计量学进行分析。目前在国内的烟草行业，人们普遍采用偏最小二乘法进行烟草的定量分析，在应用中也取得了很多不错的进展和成绩。但随着应用的进一步深入，人们发现PLS并不适应于分析烟草中所有的化学成分，而且PLS定量模型的稳定性会随诸多外部因素的影响产生较大的波动。作为一种非线性的建模方法，人工神经网络具有较好的普适性，是否可以弥补PLS在上述建模过程中出现的不足，这将是本文研究的重点。针对上述问题，本文从烟草实际应用的角度出发，针对衡量烟草质量常用的指标以及外部因素的影响，研究了偏最小二乘法与人工神经网络方法在烟草定量模型性能的差异，以便可以对日后烟草定量模型的建立提供参考，从而可以使建立的模型具有更高准确性和稳健性。首先，介绍了偏最小二乘法和人工神经网络两种算法的基本理论。主因子数的选择直接关系到PLS定量模型实际预测能力，文中着重研究了因子数对PLS定量模型性能稳定性的影响，改进了现有的方法，并与目前常用的两种方法在模型性能及预测稳定性方面进行了对比分析。结果表明，改进的方法在降低模型复杂性的同时，模型的准确性也得到了相应的提高。然后介绍了人工神经网络中应用最为广泛的BP算法，后文也将以BP算法为例，对比分析人工神经网络与PLS的烟草定量模型性能的差异。接着，从烟草化学成分的角度，对比分析了PLS与神经网络的烟草定量模型在预测性能上的差异。本文从衡量烟叶数据的不同指标出发，根据不同的指标数据具有自身独特的数据特征，以指标本身性质差别比较大的总糖与钾、烟碱与氯为例，采用相同的训练集和测试集，分别用PLS与人工神经网络两种方法研究以上四种指标模型的准确性及适用性。结果表明，针对烟草不同指标的模型，PLS与人工神经网络有不同的适用性。最后，从光谱重现性的角度，对比分析了PLS与神经网络的烟草定量模型在预测性能上的差异。首先，介绍了近红外光谱仪准确性、机器噪声和光谱分辨率的基本概念以及对光谱影响的表现形式，在此基础上以烟叶为实验对象，使用相同的数据集，模拟仪器对光谱的影响，分别采用PLS与人工神经网络两种分析方法建立定量模型，对比分析两种模型在预测性能上的差异，以解决不同情况下模型适用性的问题。