酒精度是衡量白酒制造工艺效果的一个重要指标，能综合反映企业的生产水平，也是白酒的一个重要质量指标本文以白酒酒精度为检测对象，利用现代近红外光谱分析技术，综合化学计量学方法，研究了在不同近红外光谱仪器之间的白酒酒精度校正模型的转移，以及存在的困难和实现校正模型转移的算法和条件，比较了几种不同的数学模型转移方法。 本研究共采集42个白酒样品，对白酒酒精度进行了化学方法检测和近红外光谱检测以30个校正样品的近红外透射光谱建立白酒酒精度校正模型，运用分段直接校正徜基神经网络Shenks算法正交信号校正和模型更新对不同近红外光谱仪器所采集的白酒图谱进行光谱转移对模型转移方法进行了系统的应用性研究，分别对上述几种模型转换方法进行了分析和比较，并进行了实验验证，同时研究了不同模型转换方法的选择依据以及转换集样品的选择对模型转换效果的影响以模型转移前后的平均相对误差和标准差为指标，得到的结果为：原始光谱光谱27.4002％0.0811，分段直接校正光谱6.3171％0.0414，径向基神经网络4.6597％，0.0382，Shenks算法5.5738％0.0426，正交信号校正5.6138％0.0410，模型更新9.8253％0.0537。 实验结果表明：近红外光谱的采集由于包含了仪器状态测量条件样品制备等信息，光谱存在一定的差异对不同仪器间扫描的光谱进行转移，转移后的预测结果比转移前有明显改善其中分段直接校正算法最好，径向基神经网络和Shenks算法的转移效果相当，正交信号校正次之，BP神经网络由于存在参数的不确定性，转移效果较羞通过以上的研究，为近红外光谱模型转移技术进一步发展和应用提供了理论依据，为近红外光谱分析仪器在白酒工业在线检测分析中的推广和实际应用提供了借鉴。