由于移动源污染遥感监测受到复杂外部环境影响, 难以通过传统统计方法建立车辆行驶工况与污染排放之间的相关性模型, 为此开展了基于移动源遥感监测的影响因素分析及排放预测的研究。首先利用 Spearman 相关性分析排除与移动源污染物主要排放气体 CO、HC、NO 气体浓度无相关性的因素; 其次使用 Lasso 算法确定各成分的关键影响因子, 并采用神经网络构建污染物排放预测模型; 最后在测试集上验证该模型用于移动源污染排放主要成分预测的有效性。模型预测的结果表明, 基于特征筛选的移动源污染排放数据预测神经网络模型具有较高的预测精度, 可以降低城市移动源污染排放检测成本并为相关部门制定相关政策提供数据支持。