环境空气中多环芳烃污染长期以来受到研究人员和政府部门的广泛关注,明确其在环境中的主要来源和源贡献具有重要意义。当选择一种受体模型进行源解析时,目前没有一种方法尽善尽美,例如,CMB模型对共线性问题敏感,会产生负的源贡献；UNMIX模型无法分开源贡献相似的源。针对CMB和UNMIX模型的优缺点,发挥优势互补,本论文提出UNMIX-CMB复合模型。此外,针对当前受体模型的源解析能力评判依据尚无统一标准,本论文提出使用模拟数据作为模型源解析能力评估的依据。本研究中,模拟数据包括了100个样品,16个物种,来自土壤、道路、建筑、燃煤、交通和一个未知源的贡献。CMB、UNMIX和UNMIX-CMB复合模型分别对模拟数据进行源解析,比较可知UNMIX-CMB复合模型结果与用于产生模拟数据的源组成和源贡献最为相似,平均绝对误差AAE值为23.73%,进而表明UNMIX-CMB复合模型在多环芳烃来源解析应用中的准确性以及解决源共线性问题可行性。应用UNMIX-CMB复合模型解析英国伯明翰大学采样点PAHs的浓度数据,得到全部源的源组成和平均源贡献率：柴油源61%,汽油源18%,居民燃煤源16%,天然气燃烧源3%和木材燃烧源2%。结果表明柴油尾气排放对研究区域环境空气中多环芳烃的贡献最为显著,这与该地区以往的研究结果一致。进而证明了UNMIX-CMB复合模型在实际应用中的可靠性。综上所述,UNMIX-CMB复合模型可以应用于多环芳烃的源解析,尤其是受体相对复杂时更具优越性。