在石油开采和运输过程中因事故造成的水体环境污染已成为了世界各国共同关注的问题。为了能够在事故发生后对污染源进行追查，分清事故责任并为后续的清理工作提供指导，有必要对油类物质进行种类鉴别。本文以三维荧光谱技术为基础，使用主成分分析方法、小波变换方法、SIFT(ScaleInvariantFeatureTransform,SIFT)算法提取矿物油三维荧光谱的多种特征，成功实现了矿物油种类鉴别。通过分析矿物油中主要荧光成分的性质，论证了矿物油三维荧光谱在油种鉴别中的可行性和独特优势。通过实验获取了几种常见矿物油在不同溶剂中的三维荧光谱，分析了浓度和溶剂对矿物油三维荧光谱特征变化的影响，为后续的特征提取提供了参考。在使用主成分分析对光谱进行重构时，使用均方根误差约束光谱能量损失，在此基础上提取了矿物油主成分特征值序列。针对主成分特征值序列缺失小成分特征的不足，提出了使用小波变换与主成分分析相结合的方法，融合矿物油三维荧光谱的小成分特征和主要特征，组成WT-PCA特征序列；并从能量分布的角度对WT-PCA特征序列进行了优化。BP神经网络的鉴别结果表明，WT-PCA特征序列及其优化特征序列的识别率高于主成分特征序列，说明WT-PCA特征序列相对于主成分特征序列具有更好的区分性。提取了矿物油三维荧光谱指纹图的SIFT特征，通过组建每种矿物油不同溶剂中指纹图的SIFT特征集合，对不同溶剂中的同种矿物油实现了种类鉴别，一定程度上克服了溶剂效应对矿物油种类鉴别的影响，丰富了矿物油种类鉴别的技术手段。