血糖濃度的近紅外光譜分析中, 奇異樣本的存在會影響多元校正模型的精度。本研究建立了基于蒙特卡洛交互驗證法(MCCV)的奇異樣本去除方法, 通過人體離體血漿實驗和人體在體試驗, 驗證了該方法在血糖近紅外光譜分析中的應用效果, 并與基于改進的無信息變量消除的無信息樣本去除方法(MUVE-USE)進行了比較研究。實驗結果表明, 基于MCCV的奇異樣本去除方法, 除了與MUVE-USE一樣可去除由于粗大誤差(如樣品損壞)或系統誤差(如儀器漂移)產生的奇異樣本外, 還能同時去除對模型精度有影響的由于不確定原因產生的隨機誤差等奇異樣本。去除多種奇異樣本后建立的多元校正模型的精度明顯提高。