随着海油开采和船运行业的快速发展,海上发生溢油事故的次数愈加频繁。目前报道的油指纹鉴别方法主要用来鉴别单油的种类,很少有考虑混合油样的鉴别。然而当溢油事故发生时,往往不是单一油样的泄漏,而是会伴随多种油样的混合,因此对混合油样的鉴别同样至关重要。本研究为解决这个问题,以油样中的正构烷烃、荧光特性和Ni/V构成油样的多维化学指纹,建立了一个量化的多维化学指纹模型。旨在快速准确地鉴别原油、燃料油及其混合油样。本研究以6种原油、6种燃料油、15种原油与燃料油的混合油共27种油样作为研究对象。对27种油样进行风化处理,详细分析其风化前后的多维化学指纹特征,同时结合化学计量学的方法对数据进行处理。首先,采用主成分分析法对正构烷烃的n-C16～n-C35部分进行数据处理,提取出五个特征值大于1的主成分,对原始数据的累计解释贡献率高达95.63%;其次,采用同步荧光光谱法检测27种油样的荧光特征,选择db7小波基函数对油样的荧光光谱进行6层离散小波变换,以d3小波系数为研究对象,提取其特征波长λ=255±2 nm,λ=280±2 nm,λ=302±2 nm,λ=332±2 nm和λ=354±2 nm处的小波系数;然后结合镍钒比,采用变量循环筛选法,选择正构烷烃和荧光最具代表性的参数作为建模变量。穷举变量的所有组合,通过对比每个组合判别的准确性,确定最合适的变量组合。最终从13个变量中选择第三主成分(n-C33～n-C35)、255±2 nm处的d3小波系数以及镍钒比作为建模变量,建立Fisher判别模型。所建模型对训练集的综合判别准确率为92.6%,其中对12种单油（6种燃料油和6种原油）的判别准确率高达100%,对15种混合油的判别准确率为86.7%。用所建模型对37种非建模和短期风化后的油样进行鉴别,结果显示该模型对混合油样的鉴别准确率为84.0%,对原油和燃料油的鉴别准确率分别为100%,83.3%。由此可见,本研究建立的模型可以有效鉴别燃料油、原油及其混合油。