随着社会经济的发展、城市人口的膨胀,大气污染问题日趋严重,已经严重影响到了我们的日常生活。国务院也在相关计划中明确提出全国各地需建立监测预警体系,提高监测预警的准确度,及时发布监测预警信息。为了更好地反映环境污染变化趋势,加强空气污染防治,预防严重污染事件发生,本文开展了以下研究:首先,通过分析天津市最近几年的空气质量,找出主要的污染物,以及他们最近几年的变化趋势并分析原因。其次,在模糊数学的基础上,对权重和隶属度进行改进,提出了改进的模糊数学评价系统,对天津市近一年的空气质量进行评价。结果显示,改进后的模糊评价系统,更加合理、科学。针对空气中的苯毒性较大,对农业生产和人类生活影响很大的问题,提出一种适用于空气中苯浓度预报的AdaBoost.BT集成建模算法。首先,利用苯与其他成分之间的关系,构建数学模型。其次,在传统AdaBoost算法的基础上引入弹性因子,该弹性因子由数学模型确定,并作为评判训练结果和权重更新的依据。最后,在权重更新阶段,考虑样本的时间因素,可以降低早期生产数据对模型的影响。实验结果表明,相比于其他传统的集成算法,文章提出的AdaBoost.BT操作简单,算法预测误差较小,算法精度较高(91%),可用于实际生产应用。通过分析空气质量的特点和传统的集成算法,提出了一种适用于预测空气质量的自适应多维AdaBoost回归算法模型。该算法以极限学习机(ELM)为弱学习机,用网格搜索策略确定算法的关键参数:迭代次数和阈值,并以此作为评判训练结果好坏与否和权重更新的依据。该算法打破了传统算法的单步预测限制,实现了多维预测。同时还可以对历史空白数据进行填补,在预测精度上面也有了明显的提升。