近红外光谱分析技术是一种新的化学分析方法,具有无污染、无破坏、分析速度快、效率高、成本低及可以实现在线分析等特点,在食品、医药、化工、石油等领域获得了空前的发展,并且其涉及的领域愈来愈广。为此,本文对近红外光谱定性分析技术作了深入研究,具体包括以下内容:1.通过阅读大量的中英文文献,对近红外光谱分析技术的概念、原理与应用作了较为系统完整的阐述,对模式识别技术和定量校正方法在近红外分析中的应用作了细致地描述。2.本文将支持向量机(Support Vector Machine,SVM)分类算法成功应用到汽油牌号快速识别中。与其他分类算法如K-近邻法(KNN)、相似分析法(SIMCA)的比较结果表明,SVM法分类的效果最好,其最大分类错误率很低,运行结果很稳定,受样本变化、参数变化等影响很小,具有广泛的应用价值。3.为了提高定量分析的精度,本文提出了混合偏最小二乘(Partial LeastSquares,PLS)法。首先用SVM法对测试样本进行分类,然后选用与待测样本性质相近的同类部分校正集样品建模来预测待测属性值。为了克服分类错误样本的影响,混合PLS法包含了基于分类的局部PLS法和基于全部训练样本集的局部PLS法两种算法。混合PLS法通过比较两种局部PLS法的输出,计算测试样本的待测属性值。针对一批汽油样本的实验结果表明,该算法对汽油研究法辛烷值的预测效果达到了较高的精度。4.基于上述理论成果,针对已研制的汽油辛烷值近红外光谱分析仪,对仪器软件进行了升级,将SVM分类法用于汽油牌号的快速识别中,并把自己提出的混合PLS近红外光谱定量分析法应用于汽油辛烷值的定量预测中,提高了仪器的性能。