本研究建立了一种基于近红外光谱（Near infrared spectroscopy，NIR）结合小波变换-随机森林（Wavelet transform-Random forest, WT-RF）的用于甲醇汽油中甲醇含量快速定量分析的方法。采用傅里叶变换红外光谱仪采集54个甲醇汽油样品的光谱，并进行光谱解析；探究不同光谱预处理方法对样品NIR光谱的处理效果，重点探究基于不同小波基函数与小波分解层数的WT光谱预处理效果，并通过优化变量重要性阈值筛选随机森林RF校正模型的输入变量；基于优化后的参数及输入变量，构建了构建了甲醇汽油NIR光谱的WT-RF。为了进一步验证此模型的预测性能，将其与小波变换-偏最小二乘校正模型（Wavelet transform-Partial least squares, WT-PLS）和小波变换-最小二乘支持向量机校正模型（Wavelet transform-Least square support vector machine, WT-LSSVM）进行对比。结果表明，WT-RF校正模型具有最佳的预测性能，其交叉验证决定系数(Coefficient of determination of cross-validation, R²_cv)和均方根误差（Root mean square error of cross-validation, RMSECV）分别是0.9990和0.0044%，预测集决定系数(Coefficient of determination of prediction set, R²_p)和均方根误差（Root mean square error of prediction set, RMSEP）分别为0.9885和0.0191%。研究结果表明，NIR光谱结合WT-RF算法是一种快速准确的甲醇汽油的甲醇含量分析方法。