近些年来,霾作为城市大气污染的主要形式,不断侵袭京津冀、长三角和珠三角等工业、经济较发达的地区。霾出现的频率和浓度也在逐年升高。霾中包含数百种大气颗粒物,部分颗粒物能直接进入人体呼吸道和肺叶中,从而引起呼吸道慢性疾病。此外,颗粒物造成的消光作用使得大气能见度降低,影响正常的交通安全。因此对霾的预报技术研究逐渐成为当前治理大气污染的热点问题。本文采用统计学中的多元逐步回归,时间序列分析和卡尔曼滤波等方法,研究了霾的客观预报和订正技术。研究结果验证了本文方法对霾预报的可靠性,为政府部门制定相应的应急措施提供了技术保障和决策参考。(1)研究基于多元逐步回归算法与卡尔曼滤波相结合的霾客观预报订正模型。该方法首先从国家气象局获取的欧洲中期天气预报中心(ECMWF)细网格数值预报产品中选取4个典型站点,利用统计预报的大样本数据,计算每一个预报因子与预报量之间的相关性,通过多元逐步回归方法筛选出对预报量和预报模型贡献最显著的预报因子,建立能见度客观预报模型,然后将该模型作为卡尔曼滤波方法的初始矩阵,加入能见度实况资料,建立能见度客观预报订正模型。实验结果表明,该方法与国家气象局现有业务上运行的雾霾数值预报系统CUACE相比,霾客观预报的准确率有较大提高。(2)为了提高霾预报的准确率,解决时序模型的预测延时和准确率不高问题,提出了一种基于时间序列分析和卡尔曼滤波相结合的混合霾预报算法。首先利用图检验法和单位根检验法(ADF)检验时间序列的平稳性,通过差分运算将非平稳序列转化成平稳序列,对转化后的平稳序列进行建模,然后将得到的模型方程作为卡尔曼滤波的状态方程和观测方程,依靠卡尔曼滤波递推性进行预测。实验结果表明,采用时间序列分析和卡尔曼滤波的霾客观预报订正方法能有效提高霾的预测精度。