环境与健康之间的关系复杂而广泛，包含了环境科学、医学、生物学、管理学等方面的内容，因此，环境健康风险分析中往往会涉及到来自各个领域的数据，此外，环境健康研究中经常还会遇到环境因子数目多、较大的不确定性以及因子之间复杂的相互影响关系等问题，因此，使得用传统的方法对环境健康风险的模拟和预测非常困难。与传统方法相比，贝叶斯网络有以下几个优点:可以融合多源数据和领域知识，并且使用概率模型来表示变量之间的相互关系和层次关系，从数据集中进行学习，能够真正有效地处理不完整数据，支持决策等。因此，本研究选用贝叶斯网络来模拟环境因子和健康风险之间的关系，研究环境因子对健康风险的影响，并且，通过将空间聚集性信息加入到贝叶斯网络中来提高贝叶斯网络对疾病风险预测的准确性。　　本研究通过三个环境健康风险案例来实践贝叶斯网络模拟环境因子对健康风险的影响，取得了以下三点成果。第一，利用贝叶斯网络融合多源环境因子构建环境健康模型，并将其与传统的建模方法进行比较，结果表明，贝叶斯网络不仅在预测准确率上更具有优势，而且还具有良好的灵活性，可以将专业知识和样本数据结合进行建模，获取更为稳定和具有代表性的模型结构，也可以从一定程度上解决样本有偏和模型不确定性的问题;第二，通过将健康风险事件的空间聚集性信息加入到贝叶斯网络中构建环境健康模型，可以提高贝叶斯网络的预测准确率;第三，研究成功地将贝叶斯网络应用到抗生素残留对土壤的污染、评估环境及气候因素对死亡率及手足口病的影响，识别了重要的影响因子，提高了估计精度。　　研究通过三方面具有代表性的环境健康风险案例表明本研究方案是基于一般的原则，因此很容易推广到其他环境健康风险事件的研究中。