根据世界卫生组织的数据显示,全球一半以上的国家和地区存在空气污染现象。因此,准确而高效的找出污染源头,达到从根源上治理污染问题的目的具有十分重要的意义。然而,传统的大气污染定位方法大都依赖于气体浓度衰减模型,该模型要求在理想化的环境条件下进行,因此无法避免温度、风速以及大气压强等环境因素对实验的影响。基于此,论文提出一种基于社区分析的大气污染源定位算法（SNA-APSL）,为了提高算法对现实污染条件的适应性,提出以活跃监测站点数据以及改进的LPA算法为核心的ISNA-APSL算法对该算法进行优化。最后,使用优化的污染源定位算法（ISNA-APSL）对某市污染监测数据进行实验分析,并将实验结果与真实污染情况对比,结果表明该算法能够很好的确定污染源的具体位置,对大气污染环境治理工作提供帮助。论文主要工作如下:（1）为了避免传统污染源定位算法中大气压强、湿度、温度、风速等环境条件对污染源定位的影响,研究提出一种基于社区网络分析（Social Network Analysis,SNA）的大气污染源定位（SNA Air Pollution Source Location,SNA-APSL）算法。算法首先通过Granger因果关系检验,分析监测站点处的污染物时间序列,将其转换为监测站点之间的关联关系,并且以监测站点为网络节点,构建污染监测网络结构图,然后通过LPA算法将污染监测网络划分为多个污染子网络,最后通过分析各污染子网络内部节点的出度、入度和度中心度等性质,确定污染源的位置。实验结果证明,SNA-APSL算法不仅能够到达避免环境因素对大气污染源定位的干扰,而且能够将污染范围精确到具体监测站点附近。（2）为了划分出更合理的污染区域,对SNA-APSL进行优化,提出一种优化的基于社区网络的污染源定位算法（Improve SNA-APSL,ISNA-APSL）,提高了算法对真实污染环境的适用性。首先,对各监测站点采集到的污染数据进行分类处理,筛除掉明显不可能是污染源的监测站点,降低实验的复杂度。然后,对社区网络划分中应用到的LPA算法进行改进,避免距离因素对污染监测网络划分的影响,使污染监测网络的划分结果更加符合实际污染情况。最后,通过出度、入度和度中心度等性质对子网络中的节点进行度量,发现各污染子网络中的污染源。实验结果表明,ISNA-APSL算法得到的污染源在污染监测网络中的特征更加明显。