近红外光谱(NIR)技术是近年来发展起来的一种高效、快速、无损伤的测试方法。该技术应用的关键是建立预测准确、抗干扰能力强的分析模型。随着信息处理技术的快速发展,小波变换(Wavelet)和人工神经网络(ANN)以其独特的优势在近红外光谱技术中得到了广泛应用。但将两者相结合应用在土壤等的近红外光谱分析中,至今还未见相关报道。本论文基于近红外光谱及信息处理技术,以黄棕壤近红外水分反演为研究对象,采用小波变换对数据进行预处理,再利用人工神经网络建立反演模型,用于土壤中水分含量的检测。相关内容及结论如下：(1)本文选取了小波变换对光谱数据进行预处理。将400-2400nm段的光谱以9为分解水平、以db2作为小波函数进行分解,得到一系列小波系数。低频部分主要是背景信息,高频部分主要是噪声信息,有用信息主要分布在中间频率的细节部分。经比较后得出,将cd5取出作为模型的输入较为合适,这样在提取了有用信息的同时也压缩了数据的维数。(2)在对数据进行了预处理的前提下,采用了人工神经网络建立反演模型。分别选用了BP神经网络和RBF神经网络,利用所建网络对未知样品进行预测,两网络反演值与实测值的相关系数(R)分别为0.846和0.802。由此可知在黄棕壤水分含量的近红外光谱反演模型建立中,BP神经网络要优于RBF网络。