我国正面临着严重的颗粒物污染问题，利用大气颗粒物来源解析技术识别颗粒物的主要污染源类并定量估算源类贡献，可以更有针对性地展开与大气颗粒物有关的研究和治理工作。其中，PMF因子分析类受体模型作为一项重要的源解析技术，在国内外的源解析工作中发挥着重要作用。PMF模型不需要了解详细的源类信息，利用单一受体点位的长时间序列样品数据的自身规律进行解析，进而识别主要污染源类和估算贡献值。然而，随着受体点位不断增多，越来越多的源解析工作将PMF模型用于多点位受体数据集的源解析。　　本论文针对单点位受体数据和多点位受体数据集的构建分别对PMF因子分析类受体模型解析结果有效性的影响展开研究。首先，本论文通过对多点位受体数据集的差异性（源成分谱差异性和源贡献趋势差异性）对PMF模型解析结果的影响研究发现，多点位受体数据集应用于PMF模型的首要条件是点位间的源成分谱具有一致性，而点位间源贡献趋势的差异性对PMF模型的解析效果没有明显的影响;其次，污染源类对单一受体点位的排放周期是PMF模型解析效果的决定性因素，与样品量一起影响着模型的解析结果;最后，多点位受体样品的数据量也对PMF模型的解析有重要影响，为增加输入数据量而将多点位受体数据集应用于PMF模型不一定能够达到使模型解析稳定性更好的目的。本论文为今后PMF模型的源解析工作提供理论支撑，对于提高多点位源解析结果准确性以及新型多点位源解析技术的发展都具有十分重要的意义。