随着国家电力生产行业的发展，发电所用的燃煤需求量日益增加，而燃煤品质问题也提上了日程。由于各行业所需燃煤的品质不同，所以如何快速检验出煤质成分已经迫在眉睫。在学术上，煤质成分的预测模型尽管已经出现很多，但对于预测模型的研究还处于探索阶段。传统的煤质分析方法有很多种，如化学分析法、回归分析法、峰面积法、逆矩阵法、神经网络法等，但这些方法存在的缺陷也较为明显：耗时较长、工序复杂、不能利用全谱数据、分析误差较大等。近年来函数型数据分析虽然在统计理论领域得到了高度的重视和发展，但仅有极少数学者将此方法应用到工程实践中。为了解决传统煤质分析方法精度低、速度慢等问题，进一步提高模型的预测能力，本文将借助函数型数据分析来探索煤质成分。根据煤谱数据的特征，应用了函数型线性回归方法建立了煤质分析预测模型。该模型的基本假设是，某一煤谱数据可以看成一个函数的观测数据。首先将离散数据转换为函数，然后给出函数型线性回归模型进行训练，并在此过程中应用了粗糙惩罚法来光滑函数，最后根据参数进行预测。本文对43组煤谱数据进行了分析，其中39组作为训练样本，4组作为预测样本。经过对煤质数据的分析，我们得到了多种元素的实验结果完全符合或接近企业要求。实验结果表明，函数型线性回归方法具有良好的预测精确度。