目前，光谱分析中定量分析中采用的化学计量学方法主要有多元线性回归(MLR)、逐步多元线性回归(SMLR)、主成分回归(PCR)、偏最小二乘法(PLS)和人工神经网络(ANN)等[13]。本文采用了主成分回归(PCR)和偏最小二乘法(PLS)进行分析，故在此只简单介绍这两种化学计量算法。主成分回归法(Principal Component Regressinn，简称PCR)[14]包括两个步骤，首先是把原始数据进行主成分分析(Principal Componet Analysis，PCA)，它是以因子分析为基础，将光谱数据向协方差最大方向投影，使数目较少的主成分成为原变量的线性组合，主成分最大限度地反映了被测样品的组成和结构信息，而最小限度地包含噪音，通过对主成分个数的合理选取，去掉代表干扰组分和干扰因素的主成分；然后再用其中的几个主成分与物质的化学成分进行多元线性回归，这就是主成分回归分析的主要思想。其优点主要是可充分利用光谱数据的信息，增加了模型抗干扰能力。但在分解光谱矩阵时，没有考虑光谱矩阵与样品成分矩阵之间的内在联系，不能保证将参与回归的主成分一定与被测组分或性质的相关。