本文通过支持向量机(SVM)建立最佳预报模型,研究了短波近红外光谱分析技术在药品成分定量分析方面的应用。本文采用导数、SNV、OSC、MSC和小波滤噪等预处理方法建立最佳SVM模型,对四种药品的有效活性进行定量分析工作。采用不同的预处理方法分别建立了甲硝唑不同样本数目的SVM最佳模型(训练集样本数分别为70和26),实验结果表明支持向量机回归方法能够较好的解决小样本学习问题。利用小波滤噪和支持向量机相结合,分别应用三种核函数sigmoidpolynomial和RBF(径向基函数)建立了西米替丁最佳SVM模型:通过与PLS模型比较,说明应用小波滤噪图谱建立的以RBF为核函数的SVM模型可以得到比较好的结果。为了寻找短波近红外图谱的最佳滤噪方法,通过不同小波基、不同小波阶次对扑热息痛片剂的近红外光谱图进行小波滤噪,并用SVM建立最佳模型,结果说明了不同的小波基滤波对结果影响并不明显;但是不同的小波阶次对滤噪有明显的影响。通过不同小波参数对环丙沙星短波近红外光谱图进行小波滤噪,并用SVM建立最佳预报模型,结果表明软阈值和硬阈值在不同的阈值处理方式中有不同的结果,但是均可得出比较理想的结果。研究结果表明基于短波近红外光谱的支持向量机模型可以应用于药物的定量分析。