国内外有很多学者及专家对此进行 了大量研究，大致可分为：对 PM2.5 的来源、分布、预测和对环境生活影响方 面。其中，PM2.5 的精确预测作为大气污染评定和治理的关键性工作显得尤为 重要。目前，针对 PM2.5 浓度预测的方法主要是利用统计学方法，例如: 2014 年彭斯俊,沈加超,朱雪[7]针对 PM2.5 浓度变化的时间序列分布特征利用自回归 移动平动模型预测 PM2.5 日均浓度，结果表明分时段序列预测模型可提高预测 精度，预测效果良好。2017 年王飞龙[8]基于 PM2.5 的浓度数据和气象数据，通 过 WEKA 实现五种分类算法，使用工具 R Studio 完成，最佳预测精度为 70.92%。2018 年练秀缘[9]结合时间序列模型做 AQI 的时间序列建模研究及 PM2.5 序列的混合建模研究，建立数学模型用于 AQI 和 PM2.5 的预测分析。 2019 年温海钰[10]收集了西安地区 2017 的 PM2.5 数据,运用多元统计分析法进行 分析和预测。通过建立多元线性回归模型并验证,利用逐步回归分析法确定了最 终模型并进行了检验,效果较好。