空气污染预报目前国际上主要运用两种类型的模型：
1. 以统计学为基础建立污染物浓度与气象场的联系，称之为统计模型；
2. 以大气动力学以及大气环境化学为基础，通过计算机求解方程组来计算污染物时空分布，称之为数值模式。
数值模式根据流体力学中的拉格朗日和欧拉观点又分为拉格朗日模型和欧拉模型，这两种在业务上都有非常广泛的应用。
常见的拉格朗日模型有美国NOAA开发的HYSPLIT和北欧开发的FLEXPART，这两种模型我都有用过，优势在于可以很方便的去研究污染物随风场的传输的轨迹，FLEXPART也便于研究烟流的扩散。 前几年日本核泄漏的时候，北大大气与海洋科学系就有人运用FLEXPART模拟了核泄漏以后物质的扩散过程。
现在美国主要业务上运用的预报模式是欧拉观点开发的欧拉模型，例如CMAQ, WRF/CHEM, STEM等等，其中CMAQ是美国环境保护署的指定预报模式。欧洲也有很多自主研发的预报模式，中国有中国科学院大气物理研究所王自发自主研发的嵌套网格空气质量预报模式系统（NAQPMS),王老师曾经在日本从事过多年污染预报研究工作，归国后为我国沙尘预报，灰霾预警预报做出了贡献（我是王总的脑残粉！！！）
近些年，WRF/Chem的迅速发展有逐渐超越CMAQ的趋势，WRF/CHEM的优势在于气象场与化学场实现了完全的在线耦合，考虑了污染物对气象场的反馈作用，更符合自然规律。
下面简要介绍WRF/CHEM是怎么实现预报的（其他欧拉模式也是类似的）：
1. 气象初始场和边界场
世界各大气象机构每天都会提供全球的气象预报产品，例如GFS，这些全球气象场预报可以作为驱动区域的气象和污染预报
2. 排放清单
就是污染物的排放强度，这是影响污染浓度的关键，为什么雾霾等污染事件多发生在京津冀，长三角，珠三角地区主要是因为这三个地区经济发展水平较高，污染排放量多。排放清单的准确度对污染预报准确度影响很大。现在比较新的排放源来自于清华大学地学中心的排放源课题组。
3. 模式运行原理
模式是基于大气动力学以及大气环境化学的原理开发的，排放的污染物和气象初始场边界场作为输入，模式可以计算出未来几日污染物的空间时间分布。
4. 资料同化
资料同化是气象和污染预报业务中的关键。欧洲中心的预报结果比美国以及中国准确的关键在于他们又更为先进的同化系统。污染预报的同化近些年随着大气化学观测的完善逐渐引入到业务中，资料的同化主要是将观测到的气象和污染物浓度数据加入到模式中改变模拟的初始场以增加预报的准确度。
第一次回答问题，有需要解释的地方我再补充。
