山茶油具有丰富的营养价值,被越来越多的人们所喜爱,但山茶油掺假现象也日益严重。因此,开发一种能够快速、准确检测山茶油掺假的技术,对山茶油的质量保证和人们的健康都有重大意义。本文主要研究拉曼光谱结合线性判别分析等数据分析方法用于山茶油掺假检测。本文将玉米油、稻米油和大豆油以不同的浓度混入山茶油中,得到山茶油的二元掺假样品和三元掺假样品,并对所有样品进行拉曼光谱检测。首先,对光谱进行预处理以减少噪声等因素的影响。然后分析样品的拉曼光谱,发现不同油在某些特征峰上的峰值强度存在明显差异,这为我们使用拉曼光谱鉴别山茶油掺假提供了可能。在定性分析方面,采用基于主成分分析的线性判别分析法（PCA-LDA）建立了三种山茶油的二元掺假模型,所有样品均分类正确;采用支持向量机法（SVM）同时鉴别了四种纯油和三种掺假油,所建立的判别模型对训练样品的分类准确率为99.6%,对预测样品的分类准确率为100%。在定量分析方面,提出了一种基于拉曼光谱的BP-Adaboost神经网络模型来对掺假山茶油中大豆油的浓度进行预测。通过由PCA提取的光谱特征变量来构造BP-Adaboost神经网络模型,并将模型的预测结果与其它三种回归方法进行比较。结果表明,BP-Adaboost神经网络在预测掺假浓度上的性能最好,其训练集的相关系数为0.998,均方根误差为1.127%,预测集的相关系数为0.999,均方根误差为0.697%。在山茶油三元掺假的定性分析方面,采用PCA-LDA的方法成功地区分了纯油样品与掺假样品。在三元掺假油的定量分析方面,首先确定以不同变量（玉米油浓度、稻米油浓度、总掺假浓度）为因变量时最佳的预处理方法,然后采用偏最小二乘回归法（PLSR）建立回归模型。当分别以玉米油浓度、稻米油浓度和总掺假浓度为因变量时,回归模型的最佳预测相关系数分别为0.978、0.967、0.983,最佳均方根误差分别为0.0257、0.038、0.0257。最终,通过上述分析结果确定了拉曼光谱结合线性判定分析等数据分析方法在山茶油掺假检测上的可行性。