近年来，以颗粒物为主的区域性大气高浓度污染频发，现已威胁到人民群众的身体健康和生态安全。目前我国现行的各种空气质量预报方法中，中低浓度污染的预报较为准确，但高浓度污染的预报准确率较低。在空气质量预报领域中应用广泛的Models-3/CMAQ　模式系统对高浓度污染时段的预报误差有时可高达100～400％。因此，研究大气环境高浓度污染预测方法，有效提高预报准确率是目前亟待解决的重点问题之一。本文针对高浓度污染(空气污染指数大于或等于200)，利用统计分析与数值模拟相结合的方法，建立了一套大气环境污染预报系统。该方法基于污染机理研究成果，利用主成分分析、相关度分析等方法筛选确定了高浓度污染预报因子，因子涉及到当地气象条件表征因子、污染区域性表征因子、污染时序变化规律表征因子等。在次基础上，本文利用聚类分析、逻辑判别方法进行天气类型划分和污染程度初判，针对不同的天气类型与污染程度，利用逐步回归等统计分析方法与数值模拟方法相结合的方式建立了预报系统。该预测系统由气象预报子模式、预报因子集成子模式、天气类型判别子模式、污染程度初判子模式和空气质量预报子模式五个主要部分构成，实现了高浓度污染的自动诊断和空气质量的定量化预测。本文利用2000～2011　年的部分高浓度污染数据对本预报系统进行检验，结果显示：空气污染指数大于200　情况下的污染预报准确率为60％以上，空气污染指数大于250　情况下的污染预报准确率为70％以上，较现行预报方法的污染预报效果有所提升。此外，研究发现，在大气环境的高浓度污染预报中，增加污染级别的初判和天气类型的划分，对于提升污染预报效果具有显著效果。