近红外光谱分析技术具有快速、无损和绿色等特点,在不同领域得到了广泛应用。然而,近红外光谱需结合化学计量学方法进行定量、定性分析。特别是在分析复杂样品时,面临着大量的高维数和信息丰富的数据。因此,如何从这些海量数据中有效地提取所需信息并建立简单可靠的定性定量分析方法,是分析化学工作者目前面临的一个非常重要的问题。此外,近红外光谱对外界条件的变化极为敏感,特别是温度的变化限制了该技术的应用范围。因此,本论文围绕复杂中成药体系的判别分析探索新的方法,为建立稳定的近红外光谱定量分析模型,开展变量选择方法研究；另外,考虑温度对近红外光谱的影响,针对不同温度下测定的近红外光谱,采用有效的分析方法实现温度和浓度信息的分离,并利用温度效应进行定量分析、溶剂性质考察及结构分析。1、建立了一种复杂中成药体系的快速判别分析方法。采用近红外光谱和主成分累积(PCAcc)方法对多类中成药进行判别分析。目前,药物产品的判别分析在药物工业和药物安全领域已经成为一项重要的研究任务。本论文将PCAcc方法用于中成药的判别。在分析中,采用累积的方法对多个主成分包含的分类信息进行合并,主要通过旋转、投影和加和操作来实现。而且,为了提高分类的性能,采用连续小波变换作为预处理方法消除背景。通过该方法对12类中成药进行判别分析,结果表明,8类药品得到正确判别,其他4类药物共有10个样品判别错误。该方法与主成分分析(PCA)、径向基人工神经网络(RBF-ANN)及最小二乘判别分析(PLSDA)方法相比,本方法得到了较好的判别结果。2、基于局部线性嵌入(LLE)建立了一种变量选择方法,并用于近红外光谱分析。局部线性嵌入是一种非线性降维方法,该方法的优势是能在低维投影空间保持高维空间样品之间的相互关系,即能够使样品在LLE空间保持和近邻点的相对位置。因此,本论文基于每个变量对LLE空间样品位置的影响程度建立了一种变量选择方法,并将其用于近红外光谱分析。该变量选择方法具体操作如下：首先,将包含全变量的光谱投影到LLE空间,然后从光谱中依次移除每一个变量并重新投影到低维的LLE空间。因此,每一个变量引起的样品在LLE空间移动量可以作为评价变量对光谱重要性的标准；然后,对平均投影距离按降序排列,排在前面的变量为对光谱贡献大的变量。为了进一步选择针对目标组分的信息变量,在此基础上运用前向逐步选择方法对LLE方法选择的变量进一步精选。运用建立的变量选择方法,对谷物、药片和烟草的近红外光谱数据的偏最小二乘(PLS)建立模型。三组数据的结果表明,该方法能够有效地选择近红外光谱的信息变量,简化PLS模型。3、建立了不同温度下的近红外光谱的多级分析方法。在不同温度下测定的近红外光谱同时包括温度和浓度的信息,如何分离不同因素对光谱的影响非常重要。本论文中,采用多级同时成分分析(MSCA)和不同温度下测定的不同浓度的样品光谱数据研究温度和光谱之间的定量关系(QSTR)。MSCA模型包括一个个体问模型和个体内模型,前者主要描述个体间的差异,而后者主要描述所有个体内的差异。通过对五组不同组成的水-乙醇-异丙醇混合物在七个温度下测定的近红外光谱进行分析,分别建立了描述温度效应的温度间模型和描述浓度变化的温度内模型。通过两个模型建立QSTR模型并进行定量分析。此外,还利用不同组成的混合物的温度间模型或温度内模型之间的差异研究了溶剂的组成。4、采用不同温度下的近红外光谱对水溶液中N-甲基乙酰胺(NMA)分子的相互作用进行分析。为了考察温度对水溶液中NMA分子相互作用的影响,在30-80℃温度范围内测定了不同浓度NMA水溶液的近红外光谱,采用MSCA方法分析温度引起的光谱变化。建立了温度间模型,并通过MSCA方法中温度间模型的载荷和得分描述和分析了温度对水和NMA中氢键的影响。结果表明,升高温度,分子间的氢键断裂,长链的多聚体解离为单体和短链的多聚体。该方法与二维相关谱(2DCOS)分析方法相比较,MSCA方法能够同时得到溶液中水和NMA的氢键变化信息,而2DCOS分析主要得到水的氢键变化信息。