摘要：目的研究大气PM2.5中多环芳烃(PAHs)浓度缺失值的填补方法。方法采用Pearson相关分析16种∑PAHs浓度与气象因素及大气污染物的相关关系;采用Box-Cox变换、多元线性逐步回归法和曲线拟合法拟合回归方程,将缺失的16种∑PAHs浓度作为因变量,相关变量作为自变量,以预测值作为PAHs浓度填补值。结果 16种∑PAHs浓度与平均温度、风速和日照小时数呈负相关,与平均相对湿度和平均气压呈正相关,与PM2.5、PM10SO2、NO2浓度呈正相关,与O3呈负相关。气象因素中平均温度对16种∑PAHs浓度影响最大,大气污染物中PM2.5对16种∑PAHs浓度影响最大,回归方程预测的2017年16种∑PAHs浓度与实测的比较,结果显示均无差别。结论对数据Box-Cox变换后采用多元线性逐步回归法建立16种∑PAHs浓度与平均温度和平均风速的回归方程,回归模型拟合效果较好,可用来填补缺失的PAHs浓度。