李永琪，洪士军，黄 雯，张立国，葛 炯*，栾绍嵘，倪力军*

(1.华东理工大学 化学与分子工程学院,上海 200237;2.上海烟草集团有限责任公司 技术中心理化实验室，上海 200082)

近红外光谱(NIRs)技术作为一种快速、无损的绿色检测技术，在各行各业的定量与定性分析中得到了广泛应用[1]。该技术以一些具有代表性的定标样品的定量指标或定性指标为因变量，其近红外光谱信息为自变量，通过多元统计方法建立相关指标的近红外光谱定量模型或样品的定性模型，根据模型实现对未知样品的定量或定性分析[2]。建立一个良好的近红外光谱模型需要积累大量样品的光谱和待测性质数据，并优化模型中的相关参数，模型建立和维护的工作量较大。通常希望在一台机器上建立的光谱模型(该机器通常称为主机)能够转移到其他仪器上(简称为从机)继续使用[3]，简称为模型传递或模型共享[4-6]。但由于主、从机光谱在不同区域存在或大或小的差异，通常光谱模型传递到从机后误差会增大，因而出现了各种降低模型对从机样品预测误差的模型传递方法[7]。分段直接校正(Piecewise direct standardization，PDS)方法是最经典常用的模型传递方法，该方法以主、从机均测试的转移集样品为基础，通过对从机光谱分段校正后再应用主机模型预测从机样品[8]。

近红外光谱定量模型通常采用偏最小二乘(Partial least squares，PLS)方法建立样品光谱信息与待测物质信息间的数学模型[9]。PLS模型建立过程中需要确定潜变量的个数(nLVs)，一般采用留一交叉验证或四折(三折)交叉验证的方法确定nLVs[10]或是选取内部检验集样品预测误差最小时对应的潜变量个数作为最佳值。……