采用中红外光声光谱, 对一起交通事故中当事人身上的污渍和当事货车上的尘土样本进行定性鉴定。 结果表明, 当事人左手肘部的污渍与身体其他部位的污渍明显不同, 但与当事货车右车身上的污尘具有高度的相似性, 表明当事人的左肘与当事货车的右车身发生了直接的碰擦, 这为交通事故的定责提供了直接依据; 因此, 红外光声光谱可为中微量物质的精细鉴定提供了新手段, 在物证分析中具有潜在的应用前景。

测定并分析了碳酸钙（CaCO3）的中红外光声光谱及光谱特征, 利用中红外光声光谱并结合主成分回归（PCR）、 偏最小二乘回归（PLSR）和人工神经网络（GRNN）三种分析方法建立回归模型, 分析了土壤CaCO3的含量。 结果表明CaCO3具有丰富的中红外吸收, 最强吸收峰波数在1 450 cm-1, 且干扰少, 可以作为土壤CaCO3的特征吸收峰; 三种回归建模方法所建模型线性都很好, PLSR和GRNN最好, 相关系数（R2）均大于0.9, PCR次之, 为0.847; 验证样本预测能力PLSR和PCR最佳, R2大于0.9; GRNN次之, 为0.882。 偏最小二乘回归在校正和预测过程中的结果都非常好, RPD值均大于3.0, 具有较强的适用性。

以聚丙烯酸酯类系列水基聚合物包膜控释肥料为样品, 测定了包膜肥料养分的释放曲线并原位测定了肥料包膜的中红外光声光谱, 分析了不同肥料的养分释放曲线以及不同包膜材料的红外光声光谱特征； 采用广义回归神经网络模型(GRNN), 以肥料包膜红外光声光谱的主成分作为GRNN模型的输入层, 并以包膜肥料养分释放曲线为输出层, 构建了预测养分释放曲线的GRNN模型。 结果表明, GRNN模型能快速有效地预测包膜肥料养分释放曲线, 其预测相关系数(R2)达0.93以上； 包膜的探测深度明显影响释放曲线的预测误差, 最小预测误差为7.14%, 平均为10.28%, 且基于包膜表层红外光声光谱的预测误差最小。 因此, 结合GRNN模型, 红外光声光谱可为包膜肥料养分释放曲线的快速预测提供新手段。