六味地黄丸浓缩丸是由熟地黄、山茱萸、山药、牡丹皮、泽泻、茯苓六味药材制成的中药复方制剂，具有滋阴补肾的功效。目前对六味地黄丸浓缩丸质量控制的研究多集中于对其成品的评价，而忽略了对原药材和生产过程的质量控制。　　近年来，以近红外光谱(NIRS)分析技术为代表的过程分析技术（PAT）结合化学计量学方法已被广泛应用于原药材和生产关键环节的质量控制中。本文以牡丹皮、山茱萸这两个原药材与六味地黄丸浓缩丸的提取、浓缩过程为研究对象，采用近红外光谱分析技术建立定性、定量分析模型，同时深入研究了基于粒子群算法的最小二乘支持向量机(PSO-LS-SVM)和基于遗传算法的最小二乘支持向量机(GA-LS-SVM)等建模方法在近红外光谱技术中的应用。本文主要研究内容和成果包括:　　(1)以牡丹皮原药材为研究对象，采用近红外光谱分析技术，采用偏最小二乘回归(PLSR)建立了水分、浸出物、芍药苷和丹皮酚4个定量校正模型，所建立的模型稳定准确，可实现上述4个质控指标的快速检测，预测偏差在13％以内。同时，采用判别分析(DA)模型建立牡丹皮药材道地性判别模型，校正集准确率为95.94％，验证集准确率为91.67％。　　(2)将近红外光谱分析技术用于山茱萸原药材的质量控制中，同时结合PSO-LS-SVM算法建立水分、浸出物、马钱苷和莫诺苷4个指标的定量校正模型，比较了该算法与PLSR和人工神经网络(BP-ANN)算法的优劣。结果表明PSO-LS-SVM算法建立的模型更加稳定可靠，预测能力更佳，各指标预测偏差均在15.5％以内，所建立的方法在山茱萸药材多指标成分定量分析中具有潜在的应用优势。　　(3)针对提取液中存在的非线性和线性信息共存难题，将近红外光谱技术结合PLSR、BP-ANN和GA-LS-SVM三种算法，建立六味地黄丸浓缩丸提取过程中固含量、马钱苷、芍药苷和苯甲酰芍药苷4个质控指标的定量模型，并比较了不同化学计量学方法建模的差异。结果表明，GA-LS-SVM较BP-ANN和PLSR有更好的校正效果和预测能力，模型相关系数均大于0.90，所建立的模型能够准确预测提取过程中有效成分浓度。同时采用移动块标准差(MBSD)算法实现提取过程的终点判断。　　(4)以六味地黄丸浓缩丸浓缩过程为研究对象，采用近红外光谱透射法，结合PLSR、BPANN和GA-LS-SVM三种算法，建立浓缩过程中固含量、马钱苷、芍药苷和苯甲酰芍药苷的快速分析方法。结果表明，所建方法均能实现上述4个指标的快速检测，其中GA-LS-SVM所建模型相关系数R均大于0.99，预测偏差均在9％以内，模型可以满足中药生产过程快速检测要求。