该论文将化学计量学方法引入烟草化学研究领域,利用偏最小二乘法(partial least squares,PLS)技术对烟草样品的常规成分与近红外光谱之间的定量模型进行了研究,提出了基于相关系数、小波变换以及无信息变量消除(uninformative variable elimination, UVE)的三种数据压缩和变量筛选方法,提高了PLS的运算速度,改善了PLS的定量预测精度.偏最小二乘法(PLS)是近年发展起来的多元分析方法.该章采用PLS建立了近红外光谱光卷烟样品常规成分之间的关系模型,该模型可用于卷烟样品常规成份的定量预测.为了进一步对光谱的波长进行了选择,以消除与建模无关的波长,提出了基于相关系数的波长选择方法,结果表明该方法即可提高PLS的运算速度,又可得到较高的预测精度.小波变换在分析化学领域已得到广泛应用,该章将小波变换(WT)用于烟草样品近红外光谱(NIR)的数据压缩,并结合偏最小二乘法(PLS)对压缩后的数据进行建模,建立了WT-PLS方法.与直接采用PLS相比,WT-PLS可有效地压缩原始谱图的数据,去除谱图中噪声和背景的干扰,降低所建模型的随机性,从而大大提高了运算速度,并获得了较高的预测精度.近红外光谱与多变量校正技术相结合是复杂植物样品定量分析的良好手段.该章提出了结合小波变换数据压缩和无信息变量消除(UVE)变量筛选的一种新型算法.首先将近红外光谱经过小波变换进行数据压缩,然后采用UVE方法进一步去除与建模不相关的小波系数,并最终利用压缩和筛选后的小波系数建立校正模型.结果表明所建立的方法可大量压缩和去除与建模不相关的光谱数据,与PLS和WT-PLS相比,可进一步提高运算速度,并进一步改善定量预测的精度.采用微波辐射对烟草(烟叶或烟丝)样品进行处理,并采用固相微萃取(SPME)-GC-MS、热解-GC-MS以及电子显微镜技术研究了微波辐射对烟叶和烟丝样品的物理作用和化学作用.结果表明:微波辐射对烟气的化学成分有显著影响,使许多化学成分,特别是低沸点烃类化合物的含量明显降低;微波辐射对烟叶表面的物理结构也有较大影响,微波辐射处理后烟叶的表面组织变得疏松,可在一定程度上改善烟草制品的内在质量和吸食效果.