伴随汽油需求量日益增多,众多不法商贩为了谋取更多利润,在对汽油的提炼、运输、销售的各个环节掺杂非法添加物。煤油作为其中一种非法添加物,其理化性质跟汽油极其相似,难以识别。汽油添加煤油使用不仅损坏汽油机点火系统,而且会燃烧不充分从而导致汽车动力性能不足,污染环境。所以迫切需要一种技术手段对掺杂煤油的汽油进行快速精确的检测。本文使用中红外、拉曼两种振动光谱技术对添加不同含量煤油的汽油进行了检测研究,建立了定性定量模型,具体结果如下:1.使用中红外光谱仪,以掺杂0.5%²0%含量煤油的汽油与纯92#汽油为研究对象,建立了随机森林、偏最小二乘判别两种判别模型,结果显示使用随机森林建立的判别模型较好,分类的正确率达到100%,且特征波段对模型贡献率更大;以掺杂0.5%²0%含量煤油的汽油为研究对象,使用了多种光谱预处理方法,建立了最小二乘支持向量机、极限学习机、随机森林三种对煤油含量定量分析的模型。结果显示,使用一阶导数预处理后建立的随机森林模型效果最优,当决策树的数量为54时,袋外数据误差率取到最低值,为3.88%,此时预测集相关系数（R_p）为0.982,预测集均方根误差（RMSEP）为0.218。2.使用拉曼光谱仪,以掺杂0.5%²0%含量煤油的汽油与纯92#汽油为研究对象,建立了随机森林判别模型,模型分类的正确率为96.2%,可以将样品进行分类;以掺杂0.5%²0%含量煤油的汽油为研究对象,使用了多种光谱预处理方法,以及三种波段筛选方法建立了预测煤油含量的随机森林模型。通过比较使用波段筛选建立的模型与仅使用光谱预处理建立模型的效果,发现使用Baseline+MSC+SPA+GA处理后的光谱数据建立的随机森林模型不仅预测煤油含量的均方根误差最小,为1.464,而且模型的影响因子R_p最高,为0.971。3.使用拉曼光谱仪,以掺杂0.5%²0%含量煤油的汽油为研究对象,计算出每条光谱在1000cm^-1处的特征峰强度以及峰面积,分别与煤油含量进行了一元线性回归,建立了预测煤油含量的数学模型,发现使用峰强度预测煤油浓度的效果相对较好,相关系数达到了0.816,预测均方根误差为0.793。4.对于拉曼光谱而言,比较使用多元回归分析方法与峰强度峰面积建立的预测煤油含量的一元线性回归模型发现,使用多元回归分析方法建立的模型精度更高,同时对仪器的要求也高,而使用峰强度峰面积建立的一元回归模型仅对单一峰进行分析,可以实现对煤油的快速简单预测。