以杭州市2013—2016年秋冬季PM_2.5及影响因素为研究对象,构建统计动力学反演模型,研究PM_2.5浓度系统的影响因素与演化特征。结果显示,（1）模型反演预测值与实际监测值的相关系数0.8316,贡献率大于1%的各驱动项之和为90.85%,反演效果较好;模型中线性项贡献率之和为21.65%,非线性项贡献率之和为62.88%,PM_2.5浓度变化受非线性影响更加显著。（2）包含NO₂、SO₂、CO的各驱动项贡献率之和分别为10.77%、8.42%、6.58%;包含降雨（PRE）、风速（WIND）的各驱动项贡献率之和分别为20.5%、17.02%,NO₂、SO₂、PRE、WIND是杭州市PM_2.5浓度变化的最主要影响因素。（3）贡献率大于2%的各驱动项中,平均气压（PRS）、相对湿度（RHU）、日照时长（SSD）对PM_2.5呈负反馈线性稳定影响作用,PM_2.5×SO₂、NO₂×PRS、PRE×SSD、PM_2.5×WIND等交互项对PM_2.5浓度变化呈正反馈非线性影响,PM_2.5×O₃、SO₂×NO₂、PRE×WIND等交互项对PM_2.5浓度变化呈负反馈非线性稳定作用。（4）杭州市PM_2.5浓度变化系统是一元二次非线性驱动演变系统,通过数值模拟分析可知其PM_2.5浓度变化系统呈双定态式,PM_2.5浓度变化系统在定态值0.2413与0.3769之间波动变化,系统平衡态不稳定。结果表明,统计动力反演模型可定量解析出PM_2.5浓度变化的线性驱动项与非线性驱动项的系数值及贡献率,有助于揭示PM_2.5浓度变化系统的演化特征,研究结果可应用于大气污染控制与环境管理等方面。