煤炭中的硫会对用煤企业的生产设备造成破坏,影响生产效率。此外,煤炭燃烧生成的硫氧化物会污染环境,危害人体健康,破坏生态系统。为了有效解决这些问题,需要测定煤的硫含量。目前常用的测定方法都需要从煤场取样然后拿到实验室进行分析测定,耗时较长,分析结果存在一定的滞后性。近红外光谱分析技术是一种快速、在线分析技术,可以在极短的时间内测定煤的硫含量,对及时优化使用条件,实现煤炭的充分燃烧具有重要意义。本论文介绍了近红外光谱分析技术的原理、特点、算法和评价指标,研究了利用近红外光谱分析技术检测煤中硫含量的快速无损检测方法。在严格控制实验环境的条件下,采集了221个煤样的近红外漫反射光谱,并测定了每个煤样的硫含量。这221个煤样包含特低硫煤、低中硫煤和中硫煤三种煤,从中选取176个作为校正集,用于建立硫分的回归模型,剩下的45个煤样作为验证集,用于检测模型的预测能力和回归效果。本研究首先选用偏最小二乘回归法建立硫分的回归模型,取得了较好的预测效果。然后运用不同异常点剔除方法优化该模型,模型结果显示马氏距离优化效果最佳。在此基础上考察不同光谱预处理方法对模型的优化程度,结果显示标准化方法最适用于该模型。最后在两次优化之后,比较不同波段筛选方法对模型的影响,结果显示相关系数法对模型有一定的优化效果。利用偏最小二乘回归法结合这三种最佳方法对煤样的硫分进行回归建模,得到了回归效果好、预测能力强的回归模型。