مدل PMF مدلی بر مبنای فاکتور آنالیز چندمتغیره می*باشد. با استفاده از این مدل می*توان سهم منابع مختلف را در تولید یک آلاینده خاص در یک منطقه معین محاسبه نمود. برای این کار باید در نقطه مورد نظر از آن آلاینده نمونه*برداری کرد. بدیهی است همچون دیگر مدل*های پذیرنده، تنها سهم منابع آلاینده*هایی را می*توان با این مدل ارزیابی نمود که بتوان آن*ها را از لحاظ شیمیایی تفکیک نمود. برای مثال، سهم منابع ذرات معلق را می*توان با استفاده از آنالیز عنصری و یونی نمونه*های اندازه*گیری شده محاسبه نمود. همچین در مورد آلاینده VOC، با توجه به ترکیبات آلی موجود در آن می*توان به منابع آن پی برد. اما سهم منابع آلاینده*ای چون CO که نمی*توان آن را از لحاظ شیمیایی تفکیک نمود، در این مدل (و در دیگر مدل*های پذیرنده) قابل محاسبه نمی*باشد.
انواع دیگری نیز از مدل*های پذیرنده وجود دارد که به اندازه مواردی که ذکر شد متداول نیستند. در شکل 1-1، گستره*ای از این مدل*ها، نشان داده شده است. یکی از تفاوت*های اساسی میانِ این مدل*ها، سطحِ پیش*آگاهی از منابعِ آلاینده و اطلاعات ورودیِ موردنیاز خواهد بود.

شکل 1-1: مدل*های پذیرنده، و سطح اطلاعات مورد نیاز برای استفاده از آن*ها]13[
در مقایسه Unmix و PMF قابل توجه است که اگر چه مبنای محاسباتی این دو مدل با هم متفاوت می*باشد، اما نتایج این دو معمولا بسیار شبیه به یکدیگر خواهد بود. شباهت دیگر این دو مدل این است که در هیچ *یک از آن*ها نیازی به تامین پروفیل منبع (کیفیت و کمیت آلاینده*های خروجی از یک منبع) نمی*باشد و خود مدل تنها با اتکا بر آنالیز شیمیایی نمونه*ها، منابع محتمل را معرفی می*نماید. اما تفاوت کوچک این دو مدل آن است که معمولا Unmix نمی*تواند به اندازه PMF تعداد مختلفی فاکتور (منابع) را شناسایی نماید ]13،14[.
مدل*سازی با روش تحلیلِ فاکتورها یا مولفه*های اصلی مانند مدل*های [1]PCA، PMF و UNMIX تلاش می*کند تا تنها سهم منابع انتشار را بر اساس مشاهدات در محل اندازه*گیری (همبستگیِ داخلیِ بین داده*ها) تعیین کند. این نوع از مدل*سازی به طور متداول مورد استفاده می*گیرند، زیرا نرم*افزار لازم برای انجام آن به شکل گسترده در دسترس است و نیازی به پیش*آگاهی از جزئیات و پروفیلِ منابع ندارند. اما مشکل رایج این مدل*ها آن است که بخشی از مولفه*ها یا فاکتورهای به*دست آمده ممکن است به جای آن*که ناشی از پروفیل*های منابع مستقل از هم باشد، در اثر هم*پوشانی و اختلاط منابع انتشار حاصل گردد. همچنین اثرِ تغییراتِ زمانی بر روی انتشارِ منابع نیز محدودیتی دیگر برای این دسته از مدل*های پذیرنده می*باشد.
اما در مدل CMB که پیشتر توضیح داده شد، کاربر باید پروفیل منبع را که برای تسهیم منابع توسط این مدل امری ضروری است فراهم کند. این مدل*ها در مطالعات بسیاری با یکدیگر مقایسه شده*اند. در بیشتر این مطالعات، از لحاظ نوع و درصد سهم منابع مختلفی را که با استفاده از CMB و PMF به دست آمده است، همخوانی نسبتا مناسبی بین این دو مدل وجود داشته است ]15،16[.
نکته قابل توجه این است که این دو مدل مکمل یکدیگر بوده و بهتر است در کنار یکدیگر استفاده شوند تا از حصول نتایج صحیح، اطمینان حاصل گردد.

[1] Principal Component Analysis