提出一种偏最小二乘法（PLS）和人工神经网络（ANN）结合用于近红外光谱（NIRS）的分析方法， 以提高奶粉蛋白质模型的预测精度。 首先采用基于遗传算法的波长选择法（RS-GA）优化光谱数据， 建立GA-PLS模型预测奶粉蛋白线性部分； 然后在RS-GA法选择的波段上进行主成分分析（PCA）， 以主成分的得分矩阵作为ANN模型输入层， 以GA-PLS预测值与真实值之差作为输出层， 建立PC-ANN模型预测其非线性部分。 最终预测结果为两个模型预测值之和， 以模型的预测标准偏差（RMSEP）作为评价指标， 以便考察新方法的有效性。 同时建立线性的全谱模型（Fr-PLS）， 其Fr-PLS、 GA-PLS和GA-PLS+PC-ANN模型的RMSEP分别为0.511， 0.440和0.235。 结果表明： 考虑奶粉蛋白含量近红外模型的非线性部分， 可以显著提高模型的预测精度， 该方法也可为其它复杂体系模型精度的提高提供借鉴。