为了建立废旧纺织品的近红外光谱分析模型，为废旧纺织品的精细分拣分级打下基础。本论文使用多模型方法为基本工具，分别建立了废旧纺织品的定性判别模型和纺织品棉含量的定量预测模型。所得结果和结论如下:　　(1)使用多模型方法对含棉与不含棉的混合样本建立定量分析模型，并通过减少待定常数的个数的方法提高拟合优度。对含棉样本的棉含量进行预测，模型的拟合优度为0.8532，相关系数为0.9342。单独使用含棉样本建模，拟合优度提高为0.8697，相关系数提高为0.9504。得出结论是在使用棉含量预测模型前，使用基于主成分分析的支持向量机方法将含棉与不含棉的样本分开，单独对含棉的样本建模，模型的预测效果更好。针对预测不够准确的棉含量比较极端的样本，单独使用棉含量低于30％和高于70％的样本建立了新模型。对初步预测值低于30％或高于70％的样本，使用新模型进行二次预测。测试集样本的拟合优度提高为0.9194，相关系数为0.9616，模型的拟合效果进一步提高。　　(2)使用基于多模型和主成分分析的支持向量机方法建立了棉涤和棉锦的定性判别模型，根据子模型中主成分的累积贡献率最接近99.9％这一标准来取主成分，并根据所选取的主成分的累积贡献率与99.9％的距离求取权重系数，对各子模型的判决函数做加权平均，得到四个实验的平均判别准确率为83.47％，高于基于主成分分析的支持向量机方法的判别准确率82.26％。　　本论文的创新点是在棉含量预测模型中，对棉含量极端的样本进行了单独建模，并使用了二次预测的方法，进一步提高预测的准确性。在定性分析模型中，使用了多模型和基于主成分分析的支持向量机结合的方法，提出了合理的权重系数的求取方法，提高了模型的判别准确率。