钪（Sc）被广泛用于固体氧化燃料电池、陶瓷材料、催化剂与轻质高温合金等的制造，是不可或缺的重要战略资源，稀土矿石中Sc元素的定量分析对于稀土矿的勘探、开采具有重要意义。笔者提出了一种基于激光诱导击穿光谱（LIBS）结合随机森林（RF）算法的稀土矿石样品中Sc元素定量分析的方法。首先，考察了不同光谱预处理方法对RF校正模型预测性能的影响；然后，利用变量重要性测量（VIM）进行RF校正模型输入变量的选择与优化。为了进一步验证VIM-RF模型的预测性能，将其与标准曲线法、偏最小二乘（PLS）以及基于波段选择的RF模型进行了比较。最后，在最优化的光谱预处理（WT）和VIM阈值（阈值为0.016）等条件下，建立了基于小波变换结合VIM的RF校正模型。结果表明，VIM-RF校正模型表现出了良好的预测性能：RCV2为0.9981，RMSE_CV为0.0430 mg/kg，MRE_CV为0.0047，RP2为0.9993，RMSE_P为0.4964 mg/kg，MRE_P为0.0481。因此，LIBS技术结合RF算法可以有效实现稀土矿石中稀土元素Sc的定量分析，可为稀土矿石的品位分析与精准开采提供借鉴。

正丁醇具有互溶性好、 挥发性低、 价格低廉以及腐蚀性低等优势, 被认为是理想的柴油添加物。 柴油中正丁醇的精准定量分析对其品质快速评价与市场监督具有重要科学意义与实用价值。 提出了一种基于拉曼（Raman）光谱结合偏最小二乘（PLS）的柴油中正丁醇快速定量分析方法。 首先, 采集了40个柴油样品的Raman光谱, 并考察了不同预处理方法［一阶导数、 二阶导数、 多元散射校正、 标准正态变换、 归一化（Normalization）和小波变换］对PLS校正模型预测性能的影响; 其次, 采用变量重要性投影（VIP）对Normalization方法预处理后的光谱数据进行特征变量提取, 并采用五折交叉验证优化VIP的阈值; 最后, 基于最优的光谱预处理方法、 输入变量和模型参数, 构建PLS校正模型对柴油中正丁醇含量进行快速定量分析, 结果与基于原始光谱（RAW）和Normalization光谱的PLS校正模型的预测性能进行对比。 结果表明: Normalization-VIP-PLS校正模型展现出优异的预测能力（R2CV和RMSECV为0.998 4和0.236 2%: R2P和RMSEP为0.998 7和0.208 4%; RSD为0.035 5）。 成功建立了一种Raman光谱结合PLS算法的柴油中正丁醇快速定量分析方法, 该方法具有快速、 准确、 便捷等优势, 可为柴油以及其他燃料中添加物检测及其品质分析提供新思路与新方法。