随着网络技术、数据库技术和传感器技术的快速发展，获取数据的速度和规模正在发生飞跃。这使得数据供给能力和数据分析能力间的矛盾日益突出，迫切需要一种能够对数据进行深层次加工的自动化技术。数据挖掘(DataMining)技术就是在这种形势下，应运而生。现在，数据挖掘(包括线性和非线性回归、人工神经网络、模式识别算法等)已成为处理化学化工数据，总结经验规律，据以预报未知或控制生产过程的常规手段，并仍旧继续在其它更多的领域中进行拓展。 我国机动车拥有量在持续快速增长，机动车排气污染已成为城市大气污染的主要污染源。2002年，为提高机动车排气污染监督管理工作效率和监测技术水平，广州市政府从美国引进了一套机动车排气遥测设备。它采取非接触式测量方法，使用红外线和紫外线光谱吸收技术，可以在不妨碍正常交通的情况下，测量行驶车辆排气中的CO、HC、NOx等污染物浓度，具有检测效率高，不影响车辆正常行驶，防止舞弊和能较真实反映车辆道路实际排放状况等突出优点。另一方面，使用的是非接触式测量方式，遥测易受测量环境的影响(比如道路情况、车辆行驶工况、气象条件等)，因此，遥测应用受到许多条件限制，测量精度和重复性相对较差。本研究以现有设备和技术条件为基础，应用人工神经网络(ArtificialNeuralNetwork，简称ANN)、最近邻方法(K-Nearest Neighbor法，简称KNN法)和超多面体方法等一些数据挖掘方法，开展对遥测应用技术研究，通过建立遥测高排放筛选模型提高遥测设备的筛选准确率，并在此基础上设计制作了遥测数据处理软件，以推动遥测技术在广州市的应用，使现有遥测设备尽快投入使用，以便更好地为机动车排气污染控制和管理工作服务。