近年来,我国经济由高速发展转变为高质量发展,国家致力于生态文明建设和美丽中国建设,并且已经取得显著成效。要实现可持续发展,生态文明建设仍然是“十四五”时期重点任务之一,空气污染也成为城市和社会管理普遍关注的热点问题之一,从宏观角度而言,对空气质量状况研究能够为精准治污提供支撑。从微观角度而言,空气质量指数（AQI）作为衡量空气状况优劣的指标,有利于人们判断所处环境情况,对其进行研究分析具有重要现实意义。本文采集了2014年1月——2021年12月重庆市空气质量指数（AQI）与六大主要污染物（PM2.5、PM10、NO2、SO2、CO、O3）的月度数据（共96条）。其中,训练模型使用的是2014年1月到2021年5月的月度数据（共89条）,测试模型则使用余下月份数据（共7条）。主要使用SPSS软件和R进行建模分析。首先,考虑重庆市空气质量指数在时间上是否具备分布特征,对空气质量指数的进行描述性分析,并采用系统聚类法,利用SPSS分别绘制了4种不同的类间距离下谱系图。得到结论一致认为:重庆市空气质量指数呈现明显的季节规律。其中,重庆市冬季空气质量最差,夏季和秋季空气质量较好,春季最好。其次,对重庆市空气质量的预测是本文研究的一个重点,而单一模型往往只包含了某一方面的信息,不能够提取出充分的信息,组合模型的出现恰恰解决了这些问题。组合预测模型是以最大化收集信息为目的,充分挖掘数据中的有用信息,以提高模型预测精度的一种方式。在模型选择上,考虑数据具有线性特征和非线性特征,本文采用了两个常用的单一模型——ARIMA模型和BP神经网络模型,在权重确定上,本文采用了最小二乘权法和MAPE法综合的组合权重法。第一步,建立单一模型。利用训练数据建立的时间序列模型,得到的模型结果为ARIMA（1,1,1）（0,1,1）[12],建立三层的BP神经网络模型,其结构为:6-10-1,分别用两个模型进行预测。第二步,建立单一权重组合模型。用MAPE法和最小二乘法两种权重方法来确定各自组合模型的权重值,利用这个两组权重值将两个单一模型组合起来,得到两组新的预测值。第三步,利用最小二乘权重法和MAPE法相结合来确定一个新的综合权重,利用这个新的权重值把时间序列模型的预测结果和BP神经网络模型的预测结果进行加权得到一组新的预测值。最终通过比较衡量模型的精度指标来选出最佳模型。结果表明:单一权重组合模型较单一模型预测精度有所提高,而组合权重相较单一权重而言进一步提高了组合模型的预测精度。综上所述,本文选取了ARIMA季节模型、BP神经网络模型、MAPE权重组合模型、OLS权重组合模型和MAPE-OLS组合权重模型这个五个模型对重庆市的空气质量指数进行了预测,并分析比较各个模型的预测精度,得出MAPE-OLS综合权重模型的预测效果优于其他四个模型,并且在本文中解决了时间序列模型比较适用于短期预测和BP神经网络比较适用于长期预测的短板,以及有效组合了的原始序列中所提取出来的的线性特征和非线性特征。