Petroleum products are the result of several refining processes and operations. The blending of different petroleum fractions is the last operation in gasoline production and the mixing ratios are continuously adjusted to assure that the specifications are under the limits imposed by regulations. The quality control of gasoline and other petroleum products is performed at the laboratory of Matosinhos refinery and involve numerous analyses that are time-consuming and resource intensive. The main goal of this project is to develop methodologies capable of monitoring the physical-chemical properties of gasoline using both near-infrared and proton nuclear magnetic resonance spectroscopies. The existing correlation between the physical properties and the chemical composition of a sample allows the quantification of different physical-chemical properties using the chemical information given by the spectra. To achieve that, different chemometric methods need to be implemented to successfully relate the data resulting from spectroscopic analysis with the results obtained by the conventional standard methods. The benefits of spectroscopic analysis for these ends have been widely evidenced in the last decades. One of the main advantages of spectroscopic techniques is the real time data, which represents an important feature for refinery operation. The project began with the database creation. In this work, a total of 498 samples of gasoline were analysed by standard methods to determine the following physical-chemical properties: research octane number, motor octane number, olefinic content, aromatic content, methyl t-butyl ether content, benzene content, oxygen content, percent evaporated at 70 ºC, percent evaporated at 100 ºC, percent evaporated at 150 ºC, final boiling point, density, sulfur content, and vapour pressure. Additionally, for the same samples, the near-infrared and proton nuclear magnetic resonance spectra were recorded. The second part of this project involved the application of multivariate statistical methods to correlate the physical-chemical properties values with the quantitative information given by both spectra. Before the regression, spectral data is pre-processed to reduce/remove noise or less relevant information from spectra, improving the subsequent data analysis. Phase and baseline correction, scaling, spectral editing and binning, scatter corrections and spectral derivatives are the pre-processing techniques whose applicability was investigated in this project. Two different multivariate statistical regression methods were applied: partial least squares, which is one of the most frequently used methods for quantitative spectral analysis, and support vector machines, which is a machine learning based tool with great potential for regression applications. Besides, two alternative approaches to find the optimum complexity of the partial least squares’ models were compared. Analysing the performance results of the developed models, it was possible to conclude that both statistical methodologies, support vector regression and partial least squares, originate models that can accurately estimate most of gasoline physical-chemical properties, presenting comparable performance indexes. The potential of combining near-infrared and proton nuclear magnetic resonance spectroscopic data to improve the accuracy of predictions was investigated in this work by following two different procedures. The first consists in merging the data into one predictor block and the second consists in modelling the two different blocks separately. The results demonstrated that the models developed using the later approach can outperform the models calibrated with only one type of spectroscopic data. At the end of this project, is was possible to confirm that both spectroscopic techniques combined with multivariate statistical models can be used to estimate the physical-chemical properties of petroleum products, namely gasoline. Combining data from both spectroscopic techniques gives even more accurate estimations as compared to the ones obtained using only one type of spectral information. The accuracy of predictions allowed the implementation of this technology in the laboratory of Matosinhos refinery, replacing the conventional standard methods for the characterization of blends. This implementation allows a more flexible, prompt and less resource-intensive process of constituting a gasoline lot. Os produtos petrolíferos resultam de diversos processos e operações de refinação. A mistura de diferentes frações do petróleo é a última operação no processo de produção de gasolina e a sua formulação é continuamente ajustada de forma a assegurar que as especificações se encontram dentro dos limites impostos pela regulamentação. O controlo de qualidade da gasolina e de outros produtos petrolíferos é efetuado no laboratório da refinaria de Matosinhos e envolve inúmeras análises que requerem muito tempo e recursos. O principal objetivo deste projeto é desenvolver metodologias que permitam monitorizar as propriedades físico-químicas da gasolina utilizando as espectroscopias de infravermelho próximo e ressonância magnética nuclear. A correlação existente entre as propriedades físicas e a composição química de uma amostra permite a quantificação de diferentes propriedades físico-quimicas a partir da informação química presente nos espectros. Para tal, diferentes métodos quimiométricos têm de ser implementados de forma a relacionar os dados resultantes da análise espectroscópica com os resultados obtidos através dos métodos convencionais de análise. Os benefícios da análise espectroscópica para este tipo de finalidade têm sido amplamente evidenciados nas últimas décadas. Uma das principais vantagens das técnicas de espectroscopia é a obtenção de dados em tempo real, o que representa uma característica importante na refinação. O início do projeto coincide com a criação da base de dados. Neste trabalho, um total de 498 amostras de gasolina foram analisadas através dos métodos convencionais para determinar as seguintes propriedades físico-químicas: número de octano (RON e MON), teor de olefinas, teor de aromáticos, teor de éter metil t-butílico, teor de benzeno, teor de oxigénio, percentagem de evaporado a 70 ºC, percentagem de evaporado a 100 ºC, percentagem de evaporado a 150 ºC, ponto final de ebulição, massa volúmica, teor de enxofre e pressão de vapor. Adicionalmente, e para as mesmas amostras, os espectros de infravermelho próximo e de ressonância magnética nuclear foram registados. A segunda parte deste projeto envolveu a aplicação de métodos estatísticos multivariados para correlacionar os valores das propriedades físico-químicas com a informação quantitativa de ambos os espetros. Antes da regressão, os dados dos espetros são pré-processados de forma a remover/reduzir ruido ou informação pouco relevante dos mesmos, melhorando assim a robustez da análise de dados subsequente. As técnicas cuja aplicabilidade foi investigada neste projeto são a correção de fase e de linha de base, reescalonamento, edição espetral e binning, correções de sinal e derivadas. Dois métodos diferentes de regressão foram aplicados: regressão por mínimos quadrados parciais, que é um dos métodos mais utilizados na análise quantitativa de espetros, e máquinas vetor de suporte, que é uma ferramenta baseada na aprendizagem computacional com grande potencial de aplicação em regressão. Foram também comparadas duas abordagens para a determinação da complexidade ótima dos modelos por mínimos quadrados parciais. Analisando os resultados relativos à performance dos modelos desenvolvidos, foi possível concluir que ambas as metodologias estatísticas, regressão por vetores de suporte e por mínimos quadrados parciais, dão origem a modelos que estimam a maior parte das propriedades da gasolina com elevada exatidão, apresentando índices de performance semelhantes. O potencial de combinar os dados de ambas as técnicas de espetroscopia para a melhoria da exatidão nas previsões foi investigado neste trabalho através de duas abordagens diferentes. A primeira consiste na junção dos dados num único bloco de variáveis de entrada e a segunda consiste em modelar os dois blocos separadamente. Os resultados demonstram que a performance dos modelos desenvolvidos através desta última abordagem supera a dos modelos calibrados apenas com um tipo de espetro. No final deste projeto foi possível confirmar que ambas as técnicas de espectroscopia em combinação com modelos estatísticos podem ser usadas na estimativa de propriedades físico-químicas de produtos petrolíferos, nomeadamente da gasolina. A utilização combinada das duas técnicas permite a obtenção de estimativas ainda mais rigorosas comparativamente às obtidas fazendo uso de apenas um tipo de informação espectroscópica. Uma vez que se trata de duas tecnologias rápidas, o seu uso paralelo acrescenta valor ao processo de controlo de qualidade. A exatidão das previsões permitiu a implementação desta tecnologia no laboratório da refinaria de Matosinhos, substituindo os métodos convencionais para a caracterização de estudos de misturas. Esta implementação permite um processo de constituição de lotes de gasolina mais flexível, célere e com utilização de menos recursos. Programa Doutoral em Engenharia da Refinação, Petroquímica e Química