采用红外光谱技术对未知气体组分进行监测,需要对气体组分进行定性识别分析.基于多元线性回归模型的LASSO变量选择技术广泛应用于数据分析领域.将LASSO方法引入到红外光谱分析领域,提出一种LASSO变量选择技术结合循环线性最小二乘(LCLS)分析的定性识别方法,并开展了相关的实验对其进行验证.实验采集CO,C2 H4,NH 3,C3 H 8,C4 H 10和C6 H 14六种单组分傅里叶变换红外(FTIR)光谱吸光度谱以及一组C2 H4和NH 3混合组分的吸光度谱,结合实验室自建光谱数据库,先采用LASSO方法对采集的光谱进行初步定性分析,然后使用LCLS方法剔除干扰组分.实验结果表明,LASSO结合LCLS的方法能有效识别出光谱中的目标组分,即使是在干扰严重的光谱波段也可以剔除掉大部分的干扰组分.