氡是一种天然放射性气体,为放射性元素镭的衰变产物。氡对人体的危害不容小觑,氡在自然界中分布极不均匀,无论在室内还是室外,每天都存在于人类的周围。所以对氡浓度水平的评估至关重要,这样可以有针对性地采取一些有效措施来尽可能地降低氡气对人类的危害。如果在所有地区进行选点测量进而弄清土壤氡浓度等级,那么这个成本是非常巨大的,因此为节约成本而采取一种相对科学的氡浓度预测方法是很有必要的,本文的目的就是寻找更加科学的氡潜势预测算法。朴素贝叶斯方法是一种多元统计方法,是利用一些已知的样本来预测另一些样本中未知的属性,这里对于一些地区的氡浓度等级就是未知属性,其它氡浓度的影响因素为已知属性。本文选定用广东中山的数据进行氡浓度预测的研究,之前已经有相关的研究,但没有考虑属性之间的相关性,这里考虑了属性之间的相关性,并对算法优化对属性选择改进,对比了三种预测算法的运行结果,分析不同算法的特点。结果显示朴素贝叶斯和相关系数加权贝叶斯算法的正确率相当,基于互信息的隐朴素贝叶斯算法的正确率最高。使用其它数据,可能就没有这么高的正确率,但趋势是一致的。三种算法各有优缺点。朴素贝叶斯简单稳定,但现实很少满足其条件导致预测的准确性变差;相关系数加权算法考虑了其它属性信息与氡浓度的相关性,所以相对更科学,但仍然认为属性之间相互独立这一假设;基于互信息的隐朴素贝叶斯考虑的因素相对较为全面,能利用到不能直接看到的信息,但结构复杂,信息不够直观。