随着社会的不断发展，当今人类对能源的需求与日俱增，石油是人类社会所需求的主要能源之一，由于人类对石油类物质的大量使用，石油类物质的废弃物以及衍生物对环境的污染越来越严重，尤其是石油类物质对水体的污染已经开始引起人们的关注，因此，对水质的检测就成了对水污染进行监管和处理的首要问题。本文是以水中微量矿物油的检测为背景，对柴油和汽油的混合溶液进行组分的含量检测，为水中油类检测提供实验经验和理论基础。本文以微量柴油和汽油混合溶液作为样品，使用傅里叶变换近红外光谱技术对实验样品进行光谱采集，采用PLS模型回归算法和迭代Bagging偏最小二乘模型回归算法对样品的近红外光谱进行建模分析，通过试验样品配制、对样品进行光谱处理、校正集和测试集的选取、回归模型建立、预测结果分析等步骤，对柴油和汽油的组分含量进行了定量分析，从校正均方根误差(RMSEC)、交叉验证均方根误差(RMSECV)、预测均方根误差(RMESEP)和相关系数(R)等参数对模型的建立进行了评价，从多个光谱吸收波段对模型的建立进行了评估。并且通过柴油和汽油含量分析系统的开发，能够在界面操作下完成对柴油和汽油含量的分析。通过本文的研究，看到了将集成学习Bagging算法和偏最小二乘算法进行有机的结合，以迭代Bagging偏最小二乘法对光谱数据进行分析和预测，能够得到更好的回归模型和预测能力。