近红外定量分析的一般步骤

    近红外光谱定量分析的流程可分为两大部分：一是建立数学模型（分析方法、预测方程）并检验、优化模型的稳定性；二是应用数学模型，由未知样品的近红外光谱，预测未知样品中有关组分的含量或性质^[2]。

    在近红外光谱分析中，数学模型的建立一般需要经过以下5个步骤：

1.选择定标样品集和预测样品集   选择有代表性的样品组成定标样品集，其样品集不仅要包含待测组分的全部信息，还应尽量包括待测组分以外所有的背景信息，使建立的数学模型能将这些样品的背景信息加以扣除，以解决近红外光谱分析高背景的难点。定标样品集的选择应有一定数量要求，但也不宜过多，选择样品时应做到“少儿全、少而精”；预测样品集的选择原则是样品的各种信息应被包含在定标样品集的范围内，否则预测时会形成较大的预测误差。

2.光谱扫描   对定标样品集和预测样品集中的每个样品准确地采集光谱，然后运用各种信息处理技术，校正光谱的各种失真，以这种优化的样品集建立的数学模型才能克服近红外光谱的测定不稳定的难点。

3.化学检测   在进行光谱采集的同时进行化学法检测待测组分的含量，在化学检测时，应严格按照国家标准进行操作，减少误差对结果的影响。

4.建立与检验数学模型   运用化学计量学的方法从复杂的背景与各种组分形成的重叠吸收峰的图谱中提取特定的信息，建立光谱特征与组分（或含量）之间关系的数学模型，以克服近红外光谱分析谱峰重叠的难点。再用严格的统计学方法，通过定标样品集内部交叉证实与预测样品集的外部证实，检验数学模型的准确性和模型的预测能力及预测精度，以确定模型是否符合应用的要求。

5.数学模型的修正与维护   为了使数学模型在不同的时间（如不同月份）与空间（如不同的地区、不同的样品类型）都能运用，还需注意对数学模型的不断修正与维护。当样品的测定时间或空间条件改变时，必须用预测样品集检验数学模型，如果数学模型的预测精度降低，就需要在校正样品集中增加新类型的样品，并重新按上述步骤修改数学模型。稳定的数学模型需要不断的完善，这个过程是没有止境的。