近年来近红外光谱分析技术凭借其快速、高效、准确的特点已被广泛应用于各个领域。近红外区的光谱吸收带是由有机物的(C-H、N-H和O-H等)较高能量的官能团在中红外光谱区基频吸收的倍频、合频和差频吸收带叠加而成的,由于近红外谱区域的严重重叠性和不连续性,以及光谱数据的高维度性问题,因此物质的定量或定性相关的光谱信息很难直接提取并给予合理的光谱解析。而变量(波长)选择是近红外光谱多元校准中的关键步骤,可以去除无关、冗余的变量,降低光谱数据的维度及算法的复杂度,以提高模型的预测性能,使校准模型更加可靠,并能提供更简单合理的解释,因而变量(特征)选择在光谱数据分析中起着至关重要的作用。尽管变量选择算法已经在近红外光谱分析中得到切实的发展,但还是有很多问题亟需解决,诸如稳定性、可靠性、可解释性、适用性、建模方法和计算成本等问题。本文的内容就是围绕在稳定性、可靠性、可解释性、计算成本和模型预测性能方面对算法进行改进和提升的。同时本文还重在消除光谱在采集过程中存在的噪声和干扰变量对变量选择算法和模型性能的负面影响。提出了以下两种近红外光谱变量选择算法:(1)提出了一种新的变量选择方法,即选择比率的竞争性群体分析法(SRCMPA)。本文算法采用选择比率,自适应加权采样和模型群体分析的思想,并结合了变量排列和指数递减函数方法。关键波长定义为多元线性回归模型中得分值较大的波长,本文将线性模型PLS下的选择比率的得分值作为评价各波长重要性的指标,然后,根据每个波长的重要性,SRCMPA依次从蒙特卡罗采样中选择N个波长子集,以迭代和竞争的方式运行。在每一次采样运行中,以固定比率的样品以建立校准的PLS模型并计算每个变量的选择比率值,基于排序选择比率的得分值和权重的归一化的SR(选择比率)得分值,采用指数递减函数的强制选择和自适应加权采样竞争选择的两步过程来选择关键变量。最后,应用交叉验证(CV)方法来选择具有最低交叉验证均方根(RMSECV)的子集作为最优子集。本文算法已在小麦蛋白数据集和啤酒数据集上进行了测试,并使用三种高效算法作对比本文算法能够找到数据集的关键波长变量的最佳组合,并能用于解释感兴趣的化学特性,通过建模后的评价结果也是最佳的。(2)本文提出了一种新的变量选择方法,即重要多元相关性竞争群体分析法(SMCPA),它结合了蒙特卡罗采样(MCS)、重要多元相关性(s MC),以及指数递减函数(EDF)和加权自举随机采样(WBS)的竞争方法,并基于模型参数的变量排序策略和模型群体分析(MPA)的思想。SMCPA继承了MPA的核心思想随机抽样和统计分析,对随机抽样产生的大量子模型的性能进行统计分析(即统计检验),利用有兴趣的输出的经验分布来统计分析变量的重要性,这避免了单个模型的不确定性问题。即通过蒙特卡罗抽样(MCS)以随机迭代方式建立大量的子模型的感兴趣输出s MC值的分布进行统计分析,s MC结合了pls回归模型的回归方差和残差方差来统计确定变量的重要性,而s MC则放弃正交方差分解,防止数据集中包含的噪声和干扰变量的影响,这使得所选变量更加的稳定和可靠。在本研究使用F-test统计分析,因为F检验用于评估变量X与实测值y之间关系(回归)的统计显著性。变量根据其各自的F值和定义的有效阈值进行排序,SMC提供了最理想的变量列表,具有最小的假阴性和假阳性误差,然后通过EDF和WBS两种竞争方式选择关键变量,首先EDF强制消除数据集中大量分布的无信息或干扰变量,随后采用WBS进一步消除较弱权重的变量,这类似于进化论中的“适者生存”。权重越大的变量具有较大的概率被保留,而其较弱权重的变量竞争性比较差,在变量种群会被逐渐淘汰。通过逐步更新WBS的可变权重,通过收缩策略逐步消除无信息变量,最后利用所有变量组合子集的交叉验证均方根误差(RMSECV)的分布来确定最佳变量子集。该方法在三个NIR光谱数据集上进行了测试,并与三种高性能变量选择方法进行了比较。实验结果表明,该算法具有最高的效率和最佳的选择效果,通常能在数据集中都能找到关键波长变量的最优组合,本研究平衡了计算成本和模型预测能力之间的关系,PLS建模后的评估结果也是最好的,并能对建模后的多个目标函数进行优化。