受体模型是大气颗粒物来源解析的一个重要计算工具。受体模型的种类很多,主要分为source known类受体模型和source unknown类受体模型两大类。前者主要以化学质量平衡模型(CMB)为代表；后者主要以主成分分析／多元线性回归模型(PCA/MLR-CMB)、正定因子分解模型(PMF)等为代表。在这些模型的应用过程中,都普遍遇到一个重要的问题——共线性问题带来的干扰。共线性问题是指参与模型计算的源类型中,有两种以上的源成分谱相似。当共线性问题存在时,使用CMB模型进行解析,会得到负值的解析结果；使用PCA/MLR或PMF模型解析时,共线源类会混在一个因子里被提取出来。本论文的研究结果表明,对CMB受体模型而言,源—受体体系的不匹配性是导致共线性问题产生干扰的最根本原因。如果体系的匹配程度较高,那么即便有共线性源存在,也能得到理想的解析结果。基于上述思想,本论文提出了主成分分析/多元线性回归—化学质量平衡复合受体模型(PCA/ MLR-CMB)和非负主成分回归化学质量平衡受体模型。这两种模型分别对受体和源的信息加以净化,从而降低共线性问题带来的干扰。为验证这两种模型的准确性,本论文建立了模拟受体。使用这两种模型对模拟受体进行解析。对于PCA/MLR-CMB复合受体模型,本论文使用来自真实的源成分谱构建了模拟数据。构建模拟数据的成分谱中,扬尘、土壤风尘、煤烟尘的成分谱共线性强烈,如果使用传统CMB模型则无法得到理想结果。因此使用复合模型对模拟数据进行解析。结果表明,模型的拟合值接近真实值,说明模型的结果是理想的。接下来,使用PCA/MLR-CMB复合受体模型对成都市和太原市受体进行了解析,并把解析结果同传统CMB模型的解析结果进行比较。结果表明,由于有共线性源类的存在,传统CMB模型的解析结果有负值的产生,不可被接受；而PCA/MLR-CMB复合受体模型则得到了理想的结果。表明复合模型在实际应用中是可行的。对于NCPCRCMB复合受体模型,本论文使用来自真实的源成分谱构建了100条受体成分谱,并对源和受体成分谱在一定范围内进行了扰动。接着对这100条受体成分谱进行解析,对拟合值和设定值的差异进行了评估。结果表明,NCPCRCMB复合受体模型是可行的。接下来使用NCPCRCMB复合受体模型分别对无锡、银川、天津和济南的受体样品进行了解析,得到了理想的结果,表明,NCPCRCMB复合受体模型在实际应用中是可行的