根据提供的文件信息，我们可以梳理出如下知识点：

  1. 城市降雨径流污染预测：城市降雨径流污染是城市水环境的主要污染源之一。降雨过程中，雨水从地面以及屋顶等建筑表面冲刷带走各种污染物，形成径流污染。有效的预测模型可以帮助城市管理者采取措施，减轻降雨径流带来的污染。

  2. 支持向量机（Support Vector Machine，简称SVM）：支持向量机是一种基于统计学习理论的机器学习方法。它通过寻找一个分类超平面将不同类别的数据进行有效分隔，具有良好的泛化能力。在处理小样本数据集的分类问题上，SVM通常表现出较高的准确性，适用于高维空间的数据分类、回归分析和模式识别等领域。

  3. 降雨径流污染模型的构建：降雨径流污染模型通常需要考虑多种影响因素，例如雨型、平均雨强、峰值雨强、降雨历时、雨前干期以及大气降尘量等。这些因素直接影响降雨径流的污染物负荷和流失规律。研究者通过收集这些数据并将其作为模型输入，构建预测模型以估计污染负荷。

  4. 统计学习：统计学习是一门研究如何从数据中提取信息和建立预测模型的学科。在城市降雨径流污染预测中，统计学习方法可以用来分析不同因素之间的关系，建立污染物浓度或负荷与影响因素之间的统计模型。通过统计学习，可以更好地理解数据规律，提高预测精度。

  5. EMC（Event Mean Concentration，事件平均浓度）：EMC是指在特定降雨事件中，降雨径流污染物的平均浓度。它是衡量降雨径流污染程度的重要指标之一。通过计算EMC，可以评估特定降雨事件中污染物的整体负荷。

  6. 初期冲刷（First Flush）：初期冲刷是降雨径流污染中的一个现象，指的是降雨开始时，由于路面污染物的累积，最初一段时间的降雨径流量中所含污染物浓度相对较高的现象。了解和预测初期冲刷对于评估和控制降雨径流污染具有重要意义。

  7. 雨型：雨型指的是降雨的模式，如持续性雨、阵性雨等。不同雨型对地面冲刷以及污染物的携带作用有所不同，因此雨型是构建降雨径流污染预测模型时需要考虑的重要因素。