利用拉曼光谱检测技术，对甲醇柴油的甲醇含量和黏度进行定量检测研究。93个甲醇柴油样品作为被检测的对象，划分校正集（72个）和预测集（21个）。分析比较了光谱的不同预处理方法的全交互验证偏最小二乘（PLS）模型效果；然后以最优预处理方法得到的光谱数据为输入，结合连续投影算法(SPA)建立不同的回归校正模型，并进行比较分析。结果表明，甲醇含量的多元散射校正偏最小二乘(MSC-PLS)模型预测效果最优，其校正集相关系数RC为0.9761，交互验证相关系数RCV为0.9551，校正集均方误差（RMSEC）为1.5089，交互验证均方误差（RMSECV）为2.0630；黏度的MSC-PLS模型预测效果也是最优的，RC为0.9794，RCV为0.9580，RMSEC为0.0907 mPa·s，RMSECV为0.1292 mPa·s。

利用中红外光谱检测技术对甲醇汽油中的甲醇含量进行检测研究。由于中红外光谱易受外界环境干扰且数据量较大,为减小运算量并提高模型精度,采用无信息变量消除( UVE)法、竞争性自适应重加权取样(CARS)法以及遗传算法(GA算法)等来选择有效光谱波段,再建立对应的偏最小二乘(PLS)模型,最后分别建立PLS、UVE-PLS、GA-PLS和CARS-PLS模型,探索最优的甲醇含量检测模型。结果表明:CARS-PLS模型效果最好,预测相关系数和预测均方根误差分别为0.978和1.177。CARS算法是一种有效提取甲醇含量的中红外光谱检测方法,采用中红外光谱检测技术测定甲醇汽油中的甲醇含量是可行的,可以有效简化运算模型,提高模型检测精度。