我国经济的高速发展、工业化进程的不断加快使得空气污染问题日益突出,以京津冀地区为代表的区域性空气污染问题尤为严重。空气污染已成为京津冀地区亟待解决的问题之一。准确地预测未来的空气质量状况是有效快速解决空气污染问题的重要前提,有助于为相关部门明确治理方向。在同一空间维度内,不同时间维度下的空气污染物浓度数据表现形式差异较大,所表示的空气质量状况不同。本文提出4种适用于不同数据类型的灰色预测模型,分别应用于对京津冀地区各空气污染物的年、季、月、日浓度的预测。京津冀地区有关空气质量及污染物浓度的现有数据较少且数据变化趋势不稳定,针对这一特性,对空气质量预测的相关文献进行梳理后发现,灰色预测模型对该类问题的解决具有较强的适用性及可靠性。基于灰色预测模型的相关理论,以及在空气质量方面的研究现状,将分数阶累加算子引入到适用于不同数据变化的灰色预测模型中,提出分数阶灰色预测系列模型,其中分数阶GM(1,1)模型用于对各污染物年均浓度的预测、分数阶GSM(1,1)模型用于对各污染物季均浓度的预测、分数阶SGM(1,1)模型用于对各污染物月均浓度的预测以及分数阶DGGM(1,1)模型用于对各污染物日均浓度的预测。文中对上述模型的建模机理及步骤进行了详细的介绍,通过与其他预测模型的对比证明所提出的分数阶灰色预测模型的预测性能更为优越,模型对空气污染物浓度方面的数据预测更为有效。基于京津冀地区空气污染成因及治理现状,结合模型对各维度空气污染物浓度的预测结果,从长期、短期以及协同治理等三个方面给出针对京津冀地区空气污染治理的措施建议。