目前,光谱分析广泛应用于食品、药品、环保监测以及医疗诊断分析等领域,尤其是复杂溶液样本的分析更是研究的热点问题。复杂溶液样本的实测光谱中的干扰和噪声是红外光谱分析技术在实际应用中的主要障碍。因此,针对复杂溶液样本,如何深度挖掘光谱信息,建立精确、稳定的分析模型是应用领域中最为关切的问题。设计合适的光谱数据处理方法、光谱信息挖掘与数据集划分策略和建模方案是提升模型性能的主要手段。本文重点研究光谱多维空间获取、数据集划分以及基于多信息空间的集成建模方案。首先利用各阶次导数光谱信息空间,提出基于共识策略的SPXY数据集划分方法。充分利用不同信息空间的特征信息,提升数据集划分的合理性与代表性。其次,结合高质量的不同阶次导数光谱、CSPXY数据集划分方法以及融合建模方法,提出多导数光谱空间的融合iPLS建模(DSE-iPLS)与基于异构光谱空间的融合iPLS建模(HSEiPLS)。DSE-iPLS主要是以高质量导数谱为前提,利用区间偏最小二乘,实现同阶次导数光谱空间加权融合建模,并进行不同阶次导数谱融合建模,形成最终集成模型。HSEiPLS模型主要是以高质量导数谱为前提,将不同阶次的导数光谱空间划分为相同数目子区间,根据设定的规则优选子区间后,建立集成模型。为了验证该算法的有效性,以啤酒、葡萄酒、全血为样本,进行实验验证。实验证明,与SPXY数据集划分策略相比,采用CSPXY划分数据集,啤酒数据集不同阶导数光谱PLS模型的RMSECV、RMSEP均低于SPXY所得模型的相应值。与PLS和DSE-PLS相比,DSE-iPLS 模型的 RMSECV 和 RMSEP 分别提高了 93.54%、23.28%和 94.34%、48.18%。与PLS和DSE-iPLS相比,全血样本的HSEiPLS模型的RMSECV和RMSEP分别提高了 71.52%、29.52%和7.91%、9.52%。实验结果表明,本文所提出的CSPXY划分策略、DSE-iPLS建模方法与HSEiPLS建模方法,都具有各自的特点与适用范围,因此对于不同复杂度的样本应该选取合适的数据集划分策略与建模方法。