随着科学技术的不断发展, 社会正在向智能化 演变。实现纸质文献的实时监测以达到保存和保护文献的目的 是未来发展的必然趋势。为了给库房文献的实时监测提供依据, 结合 化学计量学方法, 利用傅里叶变换中红外光 声光谱技术快速测定了纸张含水量。基于中红外光声光谱, 分别采用 主成分回归(Principal Components Regression, PCR)方法和 偏最小二乘回归(Partial Least Squares Regression, PLSR)方法建立了纸张含水量的 定量模型, 并通过交叉验证选择了最佳主成分数。结果表明, PLSR方法 的建模结果优于PCR方法(决定系数R2: -2.5mm0.3681>0.3532)。 通过增加主成分数可以使模型预测变好, 但也存在过拟合风险。未来拟采 集更多的纸张样本, 以期建立稳定的纸张性质检测模 型, 为实现纸质文献的红外光谱实时监测奠定基础。

传统活力检测方法存在操作复杂、耗时长、可重复性差、对种子造成损伤且不可逆等不足，基于此，提出一种基于光声光谱结合最小二乘支持向量机回归(LS-SVR)的稻种活力快速、无损检测方法。在温度为45 ℃、相对湿度为90%的条件下，对南粳46(粳稻)和内5 优8015(杂交稻)进行高温高湿人工老化处理，依次老化0，24，48，72，96 h，获得不同活力的稻种；采集2类稻种光声光谱数据，总计100份，其中校正集样本60个，预测集样本40个；采用小波包对原始光谱数据进行预处理，通过协方差分析和主成分分析(PCA)对光谱进行降维；分别通过偏最小二乘回归(PLSR)、反向传播神经网络(BPNN)和LS-SVR 建立稻种活力预测模型。其中，采用协方差分析结合LS-SVR 建立的模型性能最优，该模型不仅适用于单一稻种，而且适用于不同种类稻种活力的预测。研究表明，采用光声光谱技术结合LS-SVR 对稻种活力进行测定是可行的，且所建模型在稻种活力预测方面具有较好的预测精度，为便携式水稻活力光声光谱仪的研制提供了理论依据。

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。