臭氧是低层大气典型的二次污染物，是由氮氧化物(NO_x)和挥发性有机化合物(VOCs)在适当的光照条件下发生光化学反应生成的。它是一种强氧化剂，浓度过高时会对人体健康及社会生活造成危害。国内外许多大城市，尤其是工业发达的城市，都曾受到臭氧污染的影响。近年来，随着上海市工业发展和机动车保有量的迅速增长，人为排放的NO_x和碳氢化合物浓度升高，使得地面臭氧污染日益加重。因此，开展上海市臭氧浓度预报方法的研究，对于建立良好的预警机制，减少臭氧污染造成的损失具有重要的意义。本文以上海市环境监测中心提供的淀山湖、普陀、南汇三个监测站的小时臭氧浓度时间序列为研究对象，对各站臭氧浓度变化的混沌特性加以分析，在此基础上对臭氧浓度时间序列的混沌预报方法进行研究，建立了臭氧浓度时间序列混沌预报模式，取得了较好的预报效果。主要工作概括如下：第一，在相空间重构的基础上用Rosenstein最小数据量法分别从各站臭氧浓度时间序列提取最大Lyapunov特征指数，结果各站的最大Lyapunov指数均大于零，表明臭氧浓度时间序列具有混沌特性；采用小波分析方法对臭氧浓度时间序列进行多尺度分析，从小波变换系数等值线图中可以很清楚地看到臭氧浓度在不同时间尺度下存在不同的变化周期、自相似结构和分岔结构，而不像随机序列那样完全杂乱无章，这也体现出臭氧浓度变化具有混沌特性的一面，为混沌预报模式的建立提供了依据。第二，为了解各站臭氧浓度出现新变化的速率，以分析其周期性、规律性，对各站臭氧浓度时间序列的兰帕尔-齐夫复杂度进行研究，结果发现三个站中普陀的臭氧浓度变化的复杂度最大，淀山湖次之，南汇最小；各个站点不同季节的复杂度不同，春秋两季复杂度最大，夏季次之，冬季最小。第三，对混沌时间序列的预报方法进行了系统概括，由于上海市近地层臭氧浓度时间序列具有混沌特性，因此在混沌时间序列预报方法的基础上建立了臭氧浓度预报模式。该模式采用直接预报的方法，避免了误差累积效应；对训练集实时更新，以保证模式的不断更新；模式的输入比较简单，便于应用。第四，利用普陀、南汇和淀山湖三个站点的小时臭氧浓度观测资料对所建立的模式进行预报试验，从而检验其预报性能。结果表明各站各预报月份的8小时以内的预报效果较为理想，24小时的预报效果有所下降，但整体上预报试验的结果是可以接受的。