汽油辛烷值不仅影响汽油的经济效益，还与汽车尾气排放有关。因此，准确预测成品汽油的辛烷值峰对国民经济发展和环境保护具有重要意义。为了从高维的工业汽油数据集中准确预测辛烷值含量，提出了一种互信息回归（MIR）-递归嵌入特征选择（EFS）方法来整合降维算法的数据特征，选择30个特征作为建模的主要变量。然后基于优化的自适应算法建立了高山预测模型。最后，基于各种互补准则，对其进行了充分的仿真，并与现有方法进行了比较。结果表明，改进后的MIR－EFS融合降维算法模型将数据维减少了89.65%，训练时间减少了81.43%。均方误差（MSE）、均方根误差（RMSE）、最小误差（Min　Error）和回归平方和（ESS）的预测数据分别为0.017、0.13、0.023和0.28。与现有方法相比，MIR－EFS融合降维算法算法的复杂度性能和计算结果都有所提高，表明改进后的MIR－EFS融合降维算法算法能够准确获得成品汽油辛烷值的含量，为汽油辛烷值预测提供了参考算法支持。