产品质量是现代企业的生命，因此生产中需要实时监测产品质量，并利用产品质量的反馈信息作出控制决策。分子振动光谱分析技术结合量子力学可以提供极丰富的物质结构信息，其具有无损、快速、操作简便、可在线分析等优点，有助于实际生产过程中在线监控产品质量，实现闭环优化操作。分子振动光谱按照振动形式不同可分为:红外光谱、拉曼光谱和近红外光谱等。其中拉曼光谱是由于振动中分子极化率发生改变，而近红外光谱是由于分子化学键的振动引起吸收光谱，拉曼和近红外光谱是领域研究热点。分子振动光谱技术作为一种间接的测量手段，必须结合化学计量学方法建立多元校正模型才能达到快速预测未知样本性质的目的。但复杂的光谱中存在冗余和噪声信息，有必要通过特定方法从原光谱中甄选出特征波长，达到简化模型和提高预测精度的目的。本研究中提出了一种面向分子振动光谱的新波长选择方法，新方法的有效性在近红外标准数据集上得到了验证。进一步探究了拉曼光谱分析技术在新能源和新材料领域的基础应用，并结合新方法筛选出特征波数（波数即波长倒数）来简化模型，结果表明新方法同样适用于拉曼光谱的波数选择。　　本研究的主要内容有以下几个方面:　　1.针对分子振动光谱的共性，提出了一种新的面向分子振动光谱波长的筛选方法，该方法协同变量投影重要程度系数与偏最小二乘回归系数双指标判断波长的重要性，并基于统计思想，消除了随机性和主观因素的干扰，甄选出光谱中的特征波长。采用了近红外标准数据集进行验证，其中玉米油脂数据集最终采用了全光谱11％波长建立偏最小二乘回归模型，而RMSECV（交叉验证校正标准偏差）与全光谱模型比较降低了33％，RMSEP（预测标准偏差）降低了29.2％。　　2.本文提出采用拉曼光谱快速、准确地检测生物柴油调合比，并在研究中搭建了生物柴油调合油在线检测平台，运用拉曼光谱实时采集。对收集到的光谱数据进行预处理，剔除了异常样本，获取了一套可用于后续建模的可靠数据。采用新方法甄选出特征波数，最终采用了全光谱波数的16.7％，而RMSECV降低了38.8％，RMSEP降低了17.5％，模型选用前6个主元参与建模。　　3.针对新材料领域中聚丙烯酰胺易出现类型混淆和掺假问题，本文提出采用拉曼光谱结合模式识别方法快速鉴定聚丙烯酰胺的类型，并对掺假的聚丙烯酰胺进行了快速判定，并结合了新波数选择方法甄选出特征波数，定性模型仅采用了32.1％的原光谱波数可以实现对聚丙烯酰胺类型和掺假的鉴定。