随着我国城市化进程的不断加快，持续的高浓度大气污染频发，对人群健康和生态环境造成了十分严重的影响。目前我国在大气重污染预报方面的研究成果相对匮乏，而由于我国在气象及下垫面条件、地域污染特征以及污染程度等方面与国外存在较大差异，国外相关研究成果形成的污染预报方法难以在我国达到良好的预报效果。因此，我国目前急需研究发展有效的大气重污染定量化预测及分级技术，为环境管理部门制定重污染防治预案提供重要的决策支持。　　针对上述问题，本论文以北京市的大气可吸入颗粒物(PM10)为研究对象，重点针对大气重污染天气开展相关研究，建立了一套数值模拟与统计分析相结合的重污染定量化预测及分级系统。本论文基于详实准确的基础数据集对大气重污染过程与气象要素及天气背景场之间的响应关系进行了研究。在此基础上利用主成分分析和平均链接聚类法研究建立了天气类型划分方法，并利用判别聚类方法实现预测时段样本所属天气类别的自动识别；在不同天气类别内部划分出多个空气污染级别，建立基于逻辑回归方法的预报时段空气质量级别预判方法；同时，在各天气类型及污染级别内，建立基于统计方法的核心预报方程。最后，基于Matlab语言对上述方法进行综合集成，建立大气重污染定量化自动预测及分级系统。　　本论文以北京市为目标区域进行预报方法的效果验证，本方法对历史数据的验证预报值与环保部数据中心公报的北京空气质量预报历史数据的对比分析结果表明：本系统对于重污染天气(空气污染指数为200以上天气)的报出率较环保部预报公报的报出率提高约20％。