极限学习机(ELM)作为一种单隐层前馈神经网络已成为大数据分析的重要工具。与传统神经网络相比，ELM具有结构简单、学习速度快和推广性较好等优势。但是，ELM 的输出权值是基于最小二乘法估计的，容易夸大离群点和噪声的影响，导致其预测性能的不稳定。提出一种新的稳健的极限学习机——基于最小一乘回归的极限学习机(LAD-ELM)，而且问题被转化为线性规划，能够简单、快速求解其全局最优解。进一步将LAD-ELM 应用于近红外光谱数据建模，构建了基于LAD-ELM 和近红外光谱数据的乌拉尔甘草种子硬实性分析