本發(fā)明屬于化學(xué)計量技術(shù)領(lǐng)域，具體為Bagging極限學(xué)習(xí)機(jī)集成建模方法。本發(fā)明的具體步驟為：采集被測物樣本光譜數(shù)據(jù)，測定樣本被測成分的含量；將樣本集劃分為訓(xùn)練集和預(yù)測集；對訓(xùn)練集樣本進(jìn)行boostrap重采樣，隨機(jī)選取一定數(shù)目樣本作為一個訓(xùn)練子集；用訓(xùn)練子集的樣本建立極限學(xué)習(xí)機(jī)子模型；重復(fù)多次，建立多個子模型；對于未知樣品，通過多個子模型的預(yù)測結(jié)果簡單平均，得到最終預(yù)測結(jié)果。與ELM方法相比，本發(fā)明方法在預(yù)測精度和穩(wěn)定性方面具有明顯優(yōu)勢。本發(fā)明適用于石油、煙草、食品、中藥等復(fù)雜物質(zhì)定量分析領(lǐng)域。