血液成分检测可确定人体生理及病理情况,由于有创血液检测带给病患肉体痛苦和家庭经济负担,人们迫切寻求一种无创血液检测方法。拉曼光谱是一种光学检测技术,能够反映物质分子结构信息,具有非接触、无损快速、受水分子影响小、检测范围广等优势。拉曼光谱技术联合化学计量学方法可对物质实现定性及定量分析,由于线性回归方式对样本的要求高,且无法对非线性成分做出有效分析,本文选用非线性回归方式中的极限学习机进行定量回归模型建立,并进行应用创新,提出将极限学习机与拉曼光谱技术结合应用于血液成分检测分析的方式。基于极限学习机的特点,通过对网络参数优化以提升模型性能。本文应用人工蜂群算法对输入权值和隐含层阈值迭代寻优;并结合差分进化进一步提高模型精度且避免后期易陷入局部最优等问题,从个体自身和种群全体两方面同步更新来指导搜索;由于差分进化算法交叉率和变异率存在凭经验给定的不确定性,本文引入了自适应调整的思想,利用当前全局最优值和均值的关系,提出自适应差分进化人工蜂群算法优化极限学习机算法的模型,配制的标准葡萄糖样本溶液使用此优化算法进行实验仿真,建立定量回归模型的评价指标为 R2=0.9605、RMSEC=0.0276、RMSEP=0.0737 及 RPD=3.0151,较传统极限学习机和经其它算法优化的模型具备更高的预测精度和稳健性。将优化的极限学习机定量回归模型应用于血液样本,对血糖成分和甘油三酯成分运用Duplex算法进行样本选择,使用主成分分析对数据降维,采用正交信号校正和基线校正进行数据预处理,得到血糖成分R2=0.9807、RMSEC=0.4073、RMSEP=0.4146及RPD=6.1546 的结果,甘油三酯成分 R2=0.9624、RMSEC=0.2072、RMSEP=0.2553 及RPD=4.9184的结果;对胆固醇成分运用Duplex算法进行样本选择,使用主成分分析对数据降维,采用正交信号校正、基线校正及Savitzky-Golay平滑一阶导数进行数据预处理,得到 R2=0.9790、RMSEC=0.3212、RMSEP=0.5482 及 RPD=6.6197 的结果。上述成分检测方法均得到较高的预测精度和较强的模型稳健性。实验表明,极限学习机能够结合拉曼光谱进行分析,提出的自适应差分进化人工蜂群算法优化的极限学习机模型是可行的,具有较高的预测精度和稳健性,论证了优化的极限学习机用于血液样本拉曼光谱检测的可行性。