校正模型的性能用预测相关系数（R）和预测均方根误差（root mean square error of prediction，RMSEP）来评价。具体表示为：

式中：n 代表预测集样本数； ýi  代表第 i 个样本的模型预测值；yi 代表第 i 个样本的实际值； y 代表所有样本实际值的平均值。

R 体现模型预测值与真实值的相关性，其值越接近 1 越好。RMSEP 体现模型对未知样本的预测效果，其值越小越好。

1.5.1 自适应迭代重加权惩罚最小二乘（adaptiveiteratively reweighted penalized least squares ，airPLS）算法

AirPLS 算法通过迭代改变拟合基线与原始信号之间的总体方差（sum of squares for error，SSE）权重，而 SSE 权重由自适应使用前拟合基线与原始信号的差异得到。该算法主要包括 2 个方面：惩罚最小二乘算法对信号的平滑和自适应迭代将惩罚过程转变成一个基线估计的惩罚最小二乘算法[13]。