针对样品堆积造成的近红外光谱散射、吸光度与噪声干扰差异,使得光谱的信噪比发生改变而产生分析误差的问题,研究了样品状态和测试条件对近红外分析结果的影响。采集了样品在不同装样厚度、装样次数和不同装样松紧程度条件下的近红外光谱,采用主成分分析压缩数据,建立遗传算法BP神经网络模型。通过比较不同样品状态模型的预测性能,确立了最佳的样品测试条件。实验表明重复装样和样品松紧程度不会明显改善模型预测性;在装样厚度为0.5mm时,水分、灰分、挥发分和发热量预测模型的决定系数分别为0.936 6,0.791 6,0.894 9,0.857 5,模型预测性能较好。