为提高校正模型的预测精度,以烟草中淀粉近红外光谱(NIR)校正模型为研究对象,分别利用全光谱波段(FS)、方差光谱(VS)筛选光谱变量和遗传算法(GA)筛选光谱波长,结合偏最小二乘法建立校正模型(FS+PLS、VS+PLS和GA+PLS),并对100个初烤烟叶样品进行了预测。结果显示: ①FS+PLS(变量数1 557个)、VS+PLS(变量数781个)和GA+PLS(变量数72个)3种校正模型的决定系数R_c~2、交互验证均方根误差(RMSECV)分别为0.976 4、0.433,0.987 1、0.332和0.988 5、0.314。 ② 与FS+PLS和VS+PLS模型相比,GA+PLS模型的光谱变量数分别减少为FS和VS变量数的4.62%和9.22%,主因子数由15降至12,R_c~2明显提高,RMSECV显著降低。...