在经济、社会、环境可持续发展的进程中,人们的生活水平和生活质量有了很大的提高,要求拥有与之相适应的良好的空气质量,以保障人体健康和生态健康。研究大气环境中的源受体关系、确定影响空气质量的重点污染源,是空气质量管理的关键。由于空气质量的影响因素具有动态性、复杂性和可变性的特点,而局地空气质量(受体)受到地理因素、气象因素和经济因素(源点)等综合作用和耦合影响,其演变规律呈现多变性、波动性和非线性特点。如何有效表征空气质量特征的时空动态关联关系,定量分析源点对受体空气质量的贡献率,从而有效预测受体的空气质量具有重要意义。本文提出了一种基于神经网络的空气质量源受体建模分析方法,充分考虑空间上各源点与受体之间的关联关系,以及时间上历史浓度的影响,更加准确、稳定地分析预测空气质量演变趋势。首先,研究影响源受体空气质量状况的影响因子。从空间和时间两个维度进行分析,空间关联因子定义为各源点的气象因素和污染物浓度,时间关联因子定义为受体的历史污染物浓度。在兼顾空气质量时间相关性与空间相关性的基础上提出空气质量源受体模型的构建方法。其次,分析源受体空气质量时空特征的动态关联和约束关系。定性分析各源点与受体之间的影响因子,并采用数值拟合的方法进行相关性分析,结合灰色关联分析有效表征源与受体间的贡献率。再次,提出基于神经网络的源受体分析预测模型。将监测站点空气质量抽象为网络节点,在空间相关性的基础上提出BP神经网络的预测方法,在时间相关性的基础上提出LSTM的预测方法。实现基于神经网络的源受体空气质量特征映射。最后,对模型进行训练和调整,在充分考虑空气质量的影响因素后通过模型预测未来一天受体的空气质量指数,并对实验结果进行分析对比。