我国是全球PM_2.5污染的高值区,长三角地区就是非常具有代表性的高浓度污染区域。2016年“两会”中提出要重拳治理大气雾霾,持续推进生态文明建设;“十三五规划纲要”也将治霾降污作为重要理念,并首次将PM_2.5浓度纳入约束性指标。根据上海市连续三年环境公报报道,PM_2.5已经成为近几年来上海市大气污染的首要污染物。本文把小波变换方法应用到上海市大气PM_2.5的研究分析中,通过把数量庞大,杂乱无章的数据进行多层次分解,得到具有明显周期性特征的变化,并对上海市未来的PM_2.5浓度变化趋势进行预测;通过surfer技术以及聚类分析方法分别分析上海市10个国控点的PM_2.5浓度数据,以便于进一步分析PM_2.5的空间分布特点;另外通过相关分析方法研究上海市大气污染物以及气象条件对PM_2.5浓度的影响,并利用主成分分析方法得到影响PM_2.5的来源、组成以及转化过程最主要的因素,从而为大气PM_2.5的控制起到一定的指示作用,对上海市大气PM_2.5的短期预测及预防大规模雾霾事件爆发提供技术支持。本文主要研究结果如下:（1）2015年上海市PM_2.5年平均浓度为53.6μg/m³,相比基准年2013年,年均浓度下降14%,全年PM_2.5日均浓度超标率为21.4%;PM_2.5浓度月变化情况呈现U型曲线分布,1月份和12月浓度值最大,分别高达82.9μg/m³和81.8μg/m³,9月份浓度值最低为33.89μg/m³;季节污染情况为:冬季污染最为严重,夏季污染程度最轻;（2）对PM_2.5全年日均浓度时间序列进行Morlet小波分析,结果显示,当时间尺度a分别等于10、23、51、98、207时,PM_2.5浓度变化周期性最强,突变点个数随着a的增大而增多。以此可以对未来小层次尺度上PM_2.5浓度值变化趋势进行预测,经过结果检验,证明小波分析方法在PM_2.5浓度变化趋势上的预测比较准确。（3）利用surfer软件和SPSS统计分析软件分别对上海市各个国控空气质量监测点PM_2.5浓度数据进行区域等值线图的绘制和聚类分析。结果显示,可以把这些站点根据PM_2.5污染程度分成5类,PM_2.5浓度空间分布主要受气象条件、地理位置及人类生产活动的影响。（4）通过相关分析法,计算AQI评价指标中各污染气体的相关性矩阵,结果显示,PM_2.5和PM₁₀之间的相关性最大,相关系数为0.919,与CO、NO₂、SO₂等气体均有较强的相关关系,相关系数分别为0.883、0.710、0.786。PM_2.5与臭氧之间呈现负相关关系,但是相关性并不显著。通过分析气象条件和PM_2.5浓度的偏相关性,结果均显示显著相关。（5）通过主成分分析方法对影响PM_2.5浓度的因素进行分析计算,结果显示CO、NO₂、PM₁₀和SO₂是影响PM_2.5浓度的最主要因素,通过所建立的多元线性回归模型可以在较大程度上对PM_2.5浓度值进行预测。