石油是一种重要的化石资源,为人类社会发展过程提供了重要的能源与动力,但在石油的开采及使用过程中存在着泄漏及污染的情况,会造成财产损失、资源浪费、环境污染等问题。因此,准确检测并分析石油类物质对于保护环境、回收并利用资源等具有重要的意义。本论文立足于荧光光谱分析技术,并将其结合机器学习方法与多维分解算法对石油类物质进行研究,具体研究内容分为以下几点:首先,阐述物质的荧光产生机理,研究荧光物质的发光过程、原理及在产生荧光过程中出现的散射现象和原因。介绍三维荧光光谱技术与全同步荧光光谱技术,揭示两种荧光光谱技术的优缺点;对实验仪器的系统构成、工作原理及工作过程进行说明,为获取准确的荧光光谱数据提供可靠的实验依据。其次,以柴油、汽油、航空煤油、润滑油为研究对象,建立纯油种识别检测模型。将三维荧光光谱技术与机器学习方法相结合,建立油类检测系统以实现不同类型石油辨别的目的。首先设计实验采集光谱数据并对数据进行预处理,然后利用特征提取方法提取光谱特征,最后对石油样本进行分类。实验结果表明,通过提取样本光谱数据的特征,能够实现石油类型辨别,为石油的检测技术提供一种良好的方法与思路。再次,分析航空煤油和润滑油混合油的三维荧光光谱,通过引入不同盐度作为新维度的影响因素,建立基于三维荧光光谱技术的混合油液检测模型。主要内容为:设计混合油光谱实验、预处理混合油的光谱数据、预估计混合油溶液的组分、分析光谱数据。实验结果表明,该方法能够对存在盐度参与情况下的混合油液样本进行分析,实现混合油样本定性分析与定量检测的目的,为复杂条件下混合油溶液的检测技术提供了新的参考条件。最后,为了更全面地表征石油的光谱信息,以航空煤油和润滑油为研究对象,从不同光谱技术的角度对石油的光谱进行探究,建立不同光谱技术下的混合油液检测模型。利用多元曲线分辨-交替最小二乘算法分别对石油样本的三维荧光光谱数据及全同步荧光光谱数据进行解析,并将结果进行对比。实验结果表明,利用全同步荧光光谱得到的分析结果优于三维荧光光谱,其准确地预测了混合油样本中各组分物质的浓度,解析了混合油中各组分物质,该方法扩充了混合油液检测手段,为石油的检测提供了一种新的技术与方法。