本文以西安市二氧化硫日均浓度为预报对象，使用了西安市1995-1999年逐日的 气象资料（温度、风、气压等）和二氧化硫的日均浓度资料，其中1999年为不参与建 模的独立资料，用来验证模型预报效果。通过分析西安市的气候及采暖情况，分成采暖期、春季、夏季和秋季四个时段分别建立SO2浓度预报模型。 目前采用的统计方法，在选择预报因子时没有考虑预报因子之间的相关性，挑选的 预报因子由于非正交，使回归计算的结果不稳定，给计算带来一定的误差。针对这些不足，本文把一元线性回归分析、自然正交函数（EOF）和逐步回归方法结合起来，得到一种新的建立统计预报模型的方法。该方法在选择与 SO2浓度显著性线性相关的预报 因子后，把预报因子转变成相互正交的独立变量，然后建立预报模型。拟合及预报试验 表明，这些预报模型不但可以很好地拟合变化趋势，而且还能作出较准确的预报，其采暖期硕报的级别命中率为72.5％，其余时段预报级别命中率为100％。通过对比试验，此方法优于目前常用的逐步回归方法。总之，该方法具有很好的应用前景。