近红外光谱定量分析有一整套特殊的技术，除了要有优秀的算法软件以及有经验的近红外专业人员外，特别重裂一的是选择并建立有代表性的标准样品，建立规范、严格、可重复的实验方法，准确测定标准样品的近红外光谱以及作为待侧量的化学值，建立数学模型、检验和优化模型的稳定性。其中侧定待侧最的化学值，对于合成样品分析，一般没有问题，但对于复杂的天然样品，则必须选用一个公认、权威的标准方法进行侧定。由于模型预侧结果的准确性很大程度上取决于标准方法侧量结果的准确性，所以必须注意将标准方法侧量结果的误差降至最小。每一个数学模型对应一定的样品范围、背景状况、仪器条件、侧试方法以及光谱的预处理方法与化学计量学算法，一且样品的背景或测定方法发生变化，数学棋型就不再适用，必须注愈不断地修正与维护稳定的数学模型。最后是应用数学模型，利用未知样品的近红外光谱，预侧未知样品中的含量或性质。
建立稳定的数学模型有以下三个基本步骤。
1.建立与优化校正样品集
选择有代表性的样品，使校正样品集中除待侧成分以外还包含的所有背景信息，使校正产生的数学模型能将这些背景加以扣除，以解决近红外光谱分析高背景的难点。规范并准确地扫描校正样品集的近红外光谱，运用各种信息处理技术，校正光谱的各种失真，如剔除异常位，只有以这种优化后的校正样品集建立的数学模型才能克服近红外光谱侧定不稳定的难点。
2.建立数学模型
在谱图预处理的基础上，现在常用多元线性回归(MLR),逐步回归分析(SLR)、主成分回归(PCR),偏最小二乘法(PLS)等化学计量学线性校正方法及人工神经网络(ANN)和拓扑(TP)等非线性校正方法。建立一组已知近红外光讲数据与样品性质或组成数据间关联的数学模型。目前，在近红外分析中应用最多的是偏最小二乘方法。
3.角统计学方法
通过样品集内部交叉证实法与外部证实法检验数学模型，以确定模型是否符合应用的要求。
内部交又证实法是评价数学模型的一种有效方法。这种方法是依次从校正样品集中舟次划出的一个或几个样品，然后用剩余的样品建立数学模型，并用此数学模型预渊原来划出的下一个或几个样品，作为对数学模型的检验。反复进行上述操作.直至校正样品染中的每个样品都被预测检验过一次为止。为了评价数学模型，将内部交又证实时用数学模型预测计算的校正集中各样品的化学值。校与各样品的实际值。实进行比较，一般用相关系数和校正标准差来评价数学模型的预侧效果。
外部证实法检验数学模型，用以评价数学模型时间和空间上的稳定性。可以用另外几个独立的、样品待侧盆‘已知的检验样品集.用数学模型预测检验集中各样品的待测值C待，对C和C待。待进行比较，用相关系数和预侧标准差来表示预侧效果。为了检验数学模型在时间和空间上的稳定性，需要用数学模型预测不同时间和空间的检验样品集，检验是否都能得到稳定的结果。如果外部证实的方法确定数学模型预测的效果较好，则可以考虑在近红外光讲分析中应用此数学模型;如果侧定的样品在时间和空间条件上有一些新的变化，原有的数学模型已不适合此新条件，则需重新建立有代表性的校正样品集(可以在原有的样品集中增加一些新的样品类型，以使新的校正样品集能代表新类型的样品)，然后再对数学模型进行修正与维护。
来源：《仪器分析选论》，转载请注明出处-仪器信息网(www.cncal.com)