自然科学与技术科学的信息化是科技发展的重要趋势。分析化学实际上是一门化学信息科学,化学计量学就是分析化学信息化的产物。从科学发展史看,科学数据的大量积累,往往导致重大科学规律的发现。各种现代化的分析仪器的出现和广泛应用,使得在短时间内获得物质体系大量信息成为可能,这为化学计量学的数据挖掘研究提供了机遇。几十年以来,人们一直在探索如何从大量的红外谱图中最大可能地提取信息,将解析经验化。特别是近20年来,出现了许多计算机辅助红外光谱识别方法,这些方法大致可以分为三类:专家系统,谱图检索系统,模式识别方法。其中最常用的模式识别方法是人工神经网络和偏最小二乘法。文献中大部分利用它们对子结构进行识别,而对特定类别的化合物深入研究尚未涉及,对化合物的特征吸收峰也没有深入的讨论。此外,即使应用最多的人工神经网络在识别子结构时准确度也不高,且神经网络存在不稳定、容易陷入局部极小和收敛速度慢等问题。本文尝试了利用支持向量机提取不同化学环境下含氧化合物红外光谱的信息特征。设计了一个分等级系统对OMNIC数据库中4852个含氧化合物进行分类。首先将含氧化合物分成含羟基、羰基、醚、羧基、硫氧、磷氧、氮氧类七类化合物,进而对其中四类进行下一级分类,以期扩大子结构,识别含氧基团邻近连接基团。以其中含羰基化合物为例,将支持向量机所得结果与误差反向传播神经网络所得结果进行比较,其中除酯类化合物外,支持向量机模型的识别率均优于人工神经网络模型。第四层一元醇的分类以及第三层酰胺的分类中,将包含其特征峰的光谱片