汗液中氯化钾、尿素成份含量的变化同人体脏器的工作状态关系密切,且对日常饮食的敏感度较低。通过对汗液中氯化钾、尿素成份含量变化的研究可以判断人体生理状态,但目前缺乏针对汗液成份的分析尤其是针对多汗液成份混合样品的标准化分析。本文通过近红外光谱技术测量氯化钾、尿素单一成份的光谱数据,以及两种成份混合样品的光谱数据,使用最小二乘法完成数据的拟合、去噪处理,通过神经网络研究光谱数据同样品浓度、温度的关系,并通过光谱数据判断样品对应浓度,完成多成份样品数据的分离和浓度的逐一判断。为降低汗液中其它成份对实验的影响,使用氯化钾、尿素溶液为实验样品。本文的主要内容为:1.汗液成份近红外光谱测量。为了建立标准化的汗液成份近红外光谱数据,通过配制汗液KCl、CO（NH₂）₂单一成份溶液,以及混合溶液,完成对汗液成份近红外吸收光谱数据的获取。2.汗液单成份的定性及量化分析。依次探研汗液成份中氯化钾、尿素近红外光谱随温度、浓度变化的规律,使用最小二乘法分析,得出汗液单成份近红外光谱同温度的关系较小,在35.0℃⁴2℃内几乎没有影响。在低浓度范围内（KCl为0.15mol/L⁰.45mol/L,CO（NH₂）₂为0.15mol/L⁰.65mol/L）样品近红外光谱吸收强度随浓度增加而增加。使用神经网络量化分析未知浓度的汗液单成份样品的浓度值,所得决定系数均高于0.98。3.汗液多成份的量化分析。汗液单成份分析的最终目的在于实现多成份混合样品的分析以及判断。通过分析已测量的近红外光谱数据,得出多成份混合样品的近红外吸收光谱同多成份溶液的配比方式无明显联系,而温度因素对于多成份汗液样品的近红外光谱影响近乎可以忽略。使用神经网络分离氯化钾和尿素的近红外光谱混合数据且分别判断氯化钾、尿素的浓度,决定系数r²均可达到0.983以上。为通过近红外光谱方法无创分析汗液成份以及监控汗液成份变化提供实验依据。