海洋石油运输及油气开发中,溢油事故时有发生,严重破坏环境生态。海面溢油流动性还可导致越境污染。溢油溯源鉴别为事故责任认定和法律裁决提供可靠依据,是及时采取针对性控制对策的重要前提以及防范慑溢油逃逸的有效手段。为提高鉴别可信度和说服力,国际上普遍采用多方法联用策略,相关技术及标准不断更新,对可便携的现场快速鉴别技术需求日益迫切。溢油现场快速溯源,可显著提高执法效率,尽快采取补救措施,减少环境生态破坏。拉曼光谱具有样品无损伤,不受海水干扰,易于便携化等特点。本论文针对原油及油膜,采用同时包含荧光和拉曼信息的特征光谱,结合优化支持向量机探究快速鉴别原油研究。主要包括以下内容:选取24种原油、25种油膜以及11种信息全盲的原油作为模式油样,使用显微共焦拉曼光谱仪,在532nm激发条件下,采集同时包含拉曼和荧光信息的原始拉曼谱;将未进行任何荧光背景扣除的原始拉曼谱,作为各模式油样的一维拉曼特征谱。选取15种原油作为模式油样,在不进行荧光背景扣除条件下,引入激发波长扰动因子,测定求算二维同步相关光谱,作为各油样的二维特征拉曼谱。基于一维及二维拉曼谱,开展支持向量机鉴别研究。采用网格搜索、遗传算法和粒子群算法等寻优方法,线性、多项式和RBF等核函数优化模型,以及随机森林法及威尔克Lambda法等特征变量优选算法,探索无损高效的溢油鉴别方法。在未进行特征变量优选条件下,基于24种原油测试组的一维指纹谱,采用遗传算法寻优,线性核、多项式核-支持向量机模型鉴别准确率均达到100%;经过随机森林算法特征变量优选后,使用遗传算法寻优,RBF核-支持向量机模型对原油测试组的鉴别准确率为100%,鉴别耗时缩短13倍;采用威尔克Lambda法特征变量优选后,采用遗传算法寻优,线性核-支持向量机模型对原油测试组的鉴别准确率达到100%,鉴别耗时缩短13倍。在未进行特征变量优选条件下,基于25种油膜测试组的一维指纹谱,采用网格搜索法和遗传算法寻优,线性核-支持向量机模型的鉴别准确率均达到90.27%;经过随机森林算法特征变量优选后,使用粒子群算法寻优,RBF核-支持向量机模型对油膜测试组的鉴别准确率为81.55%,鉴别耗时缩短3-22倍;采用威尔克Lambda法特征变量优选后,采用遗传算法寻优,RBF核-支持向量机模型对油膜测试组的鉴别准确率达到82.05%,鉴别耗时缩短3-18倍。在未进行特征变量优选条件下,基于11种信息全盲原油测试组的一维指纹谱,采用三种寻优方法,多项式-支持向量机模型的鉴别准确率均达到100%;经过随机森林算法特征变量优选后,使用网格搜索法寻优,RBF核-支持向量机模型对测试组的鉴别准确率为99.33%,鉴别耗时缩短10-56倍;采用威尔克Lambda法特征变量优选后,采用使用网格搜索法寻优,RBF核-支持向量机模型对测试组的鉴别准确率达到99.33%,鉴别耗时缩短9-51倍。在未进行特征变量优选条件下,基于15种原油二维维指纹谱,采用粒子群算法寻优,多项式-支持向量机模型的鉴别准确率均达到98%;经过随机森林算法特征变量优选后,使用三种寻优方法,线性核、RBF核-支持向量机模型对原油测试组的鉴别准确率为99%,鉴别耗时缩短4-6倍;采用威尔克Lambda法特征变量优选后,采用三种寻优方法,线性核、RBF核-支持向量机模型对原油测试组的鉴别准确率达到99%,鉴别耗时缩短3-4.5倍。未经特征变量优选时,多项式核函数模型具有更高的鉴别准确率和稳定性,具有更好的泛化能力;经特征变量优选后RBF核函数模型具有更高的鉴别准确率和稳定性,具有更好的泛化能力;网格搜索法寻优时间最短,遗传算法寻优具有更好的鉴别准确率;特征变量优选后鉴别耗时缩短3-51倍。基于拉曼光谱技术的支持向量机原油鉴别方法能够无损、快速的对嫌疑油样进行预筛选和后续深入鉴别,可与现有溢油鉴别技术互补,对其他油类鉴别具有理论参考和实用价值。