近红外光谱分析技术是弱信号的提取和分析技术，光谱中一般都包含有噪声，进行适当的光谱预处理和选择适当的建模谱区，可以有效的把有用信号与噪声背景分离，提高模型预测精度。 本文使用傅立叶变换近红外光谱法测定玉米籽粒的油份含量，研究了不同的光谱预处理方法、不同的建模谱区对模型预测效果的影响，比较了主成分回归、偏最小二乘以及局部偏最小二乘，这三种不同的化学计量学方法建立出的定量模型预测结果的差异。实验结果表明采用中心化和多元散射校正的预处理方法，在4000-6000cm-1谱区范围内，运用局部偏最小二乘方法建立出的模型效果最好，相关系数达到0.953，预测标准差1.49。 由于玉米籽粒本身的粒度并不均匀，每次扫描时装样条件也不易做到完全一致，易产生光谱的随机误差，对模型预测效果有很大影响，可以利用多次测量的平均光谱予以消除;仪器状态方面，由于仪器波长偏移和分辨率变化对模型的影响较大，应保持建模时的仪器状态与测量未知样品时的仪器状态的一致。 研究结果表明上述方法可以应用于玉米油份含量的实际预测工作。