紅外光譜軟件用紅外光譜法進行藥物分析時具有多樣性，可根據被測物質的性質靈活應用，而且無論是固態、液態或是氣體，紅外光譜法都可利用自身的技術進行分析，因此拓寬了紅外光譜儀的定量分析。
 

　　下面讓我們一起來了解一下紅外光譜軟件在氣體定量分析中的應用吧
 

　　由于氣體在中紅外波段(4000~400cm-1)內有明顯的吸收，且分析手段不需要采樣、分離，因此中紅外光譜法對檢測氣體，尤其是多組分混合氣體來說是一種簡便、易行的測量方法。
 

　　如采用紅外光譜技術確定了苯系物(包括甲苯、二甲苯、苯乙烯、硝基苯)中各組分的特征紅外波長，采用美國熱電子OMNICQuantPad分析軟件建立了低濃度(0~0.5×10-6)苯系物的定量分析方法和校準曲線數據庫。
 

　　通過粒子群優化技術及BP神經網絡技術相結合，建立三種烴烷(甲烷、乙烷、丙烷)混合氣體的紅外光譜定量分析模型。該法比單純采用BP神經網絡進行遍歷優化建模所用時間降低5倍以上，模型預測精度水平相當。
 

　　通過紅外光譜軟件測量CO和CO2的紅外透過率光譜，采用非線性最小二乘擬合算法對測量光譜進行擬合，得出待測氣體的濃度。結果表明CO測量的相對誤差小于5%，CO2的測量分析相對誤差小于1%。
 

　　針對5種(甲烷、乙烷、丙烷、正丁烷、異丁烷)主次吸收峰嚴重交疊的紅外混合氣體定量分析問題，提出一種基于高階累積量的特征提取方法，該方法將重疊的吸收譜線映射到彼此相互分開的四階累積量譜空間，利用提取的特征向量，提出一種基于正則化統計學習理論的支持向量機的多維數據建模，在小樣本下有效地提高了模型的精度和迭代的收斂速度，該法使系統的引用誤差小于4%。
 

　　運用近紅外光譜技術對多成分揮發性進行連續的在線檢測，分析了三種揮發性有機物-丙烷、丙烯和甲苯的近紅外光譜特征和丙烯濃度與吸光度的線性關系，采用線性回歸建模方法—偏最小二乘法進行建模分析，預測驗證集樣品中三種氣體的含量，并對模型進行評價。