目前煤炭在工业生产中的应用越来越广泛,我国约75%以上的电力是由火力发电产生的,火力发电厂主要的燃料是煤炭。但在煤炭燃烧的过程中,如果煤的质量不好,它会直接对我们使用的设备造成损坏,影响工厂的利益,同时也会导致大气污染,影响我们的生活,所以确定煤质的优劣尤其重要。每当工厂运来一批煤,如果采用随机抽样,再用物理的方法去测量煤中各种元素的含量,这样既费时又费力,而且精确度很低,所以工厂想要研发一种扫描仪器,它可以扫描出煤的煤谱,通过煤谱和粗略测量得到的煤中主要元素的含量去预测精确的元素含量,再与工厂给出的元素含量标准对比,最终确定煤的质量的好坏。传统的煤谱数据分析是将煤谱和煤的主要元素含量看作是随机向量,然后利用时间序列(Aneiros-Perez G,Vieu P.2008[1];Fan J,Yao Q.2003[2])和人工神经网络等方法进行分析,但是会丢失一些重要信息,达不到对煤谱更精确分析的期望。本文直接将煤谱看成函数曲线,在煤谱和碳、氢、氧、氮、硫等元素之间建立函数部分线性模型(FPLRM),该模型假设主要的解释变量是曲线。通过模拟和对煤谱数据的分析,我们发现用函数部分线性模型处理煤谱数据得到的煤中主要元素含量的精确度是最高的。