极限学习机(ELM)参数的随机产生和近红外光谱冗余变量的存在会导致ELM预测效果变差。一方面，集成技术通过建立多个模型可以提高基础建模方法稳定性。另一方面，LASSO通过将回归系数收缩到零把冗余变量消除实现变量选择。本研究融合MC、LASSO和ELM的优势，提出了一种新的集成建模方法，并通过血液和烟草数据的近红外光谱验证其性能。
