制浆造纸工业的发展离不开丰富木材资源的供应，但我国造纸工业的原料结构严重失衡，一直阻碍着制浆造纸工业走上现代化发展的道路。因此，必须大力发展速生纸浆林，坚持走林纸一体化的道路，才能逐步解决制浆造纸工业原料短缺的瓶颈。过去的速生人工林的发展具有一定的盲目性，通常是先种植再寻找其用途，降低了开发速生人工林的经济效益。因此，在种植树种之前，研究这种树种是不是既能速生丰产又具有很好的制浆性能显得很有价值，所以说必须对造纸原料进行综合评价。综合评价的指标往往是大量的且获得指标的途径也是丰富的，不管是纸浆材生物量、生长量、化学组成以及纤维形态等多属性指标，还是本文中近红外光谱得到的海量数据，在数学上都是一个多维向量，只不过向量的维数以及具体数值的不同。多属性指标往往存在多重相关性的问题，当研究因变量指标与多个自变量指标的关系，除了多个自变量指标可能存在多重相关性问题，还有可能因变量指标与自变量指标存在非线性的问题。再者，面对近红外光谱中海量数据，如果将所有的多维数据一并处理，其计算繁琐程度可想而知。另外，近红外光谱中海量数据所包含的信息不全是有用的信息，还有很多噪声的存在。因此，造纸原料的综合评价要因地制宜，要根据评价的目的和多维指标数据的特性来选择综合评价的方法。为了有效地解决纸浆材品种评价中的高维问题，综合考虑品种的生长量、纤维形态、化学组成等指标，提出利用基于粒子群（PSO）算法的投影寻踪模型（PSO-PP）对14种杨树纸浆材进行综合评价，尝试用这种评价方法对纸浆材造纸适宜性作出合理的评价，为纸浆材品种定向培育提供科学依据。为了建立纸浆材制浆性能评价及预测模型，采用偏最小二乘回归法(Partial least-squares regression，PLSR)将自变量系统中的信息进行分解和重新组合，从而克服各性能指标之间多重相关性的问题，以建立更稳定和解释更合理的纸浆材制浆性能评价及预测模型。为了建立比较准确的造纸原料近红外光谱判别模型，本文收集了5种木材原料，总共40个原料近红外光谱样本，通过近红外光谱分析技术和化学计量学方法的结合，引进线性的Fisher判别方法与非线性映射能力强的BP-ANN（BP人工神经网络）进行判别模型的建立。