空气是人们赖以生存和发展的不可缺少的环境要素之一,清洁干净的大气环境有益于人们的身体健康。治理空气污染,让蓝天白云常驻,是群众所盼、民生所系。城市是空气污染的重灾区,也是空气治理工作中的重难点,“十四五”规划将城市空气质量列为经济社会发展约束性指标,影响着整个城市的综合竞争力,足以体现城市空气质量的重要性。如今大气污染防治进入深水区,制定措施更要保证科学化、精准化,降低治理成本,提升治理质量。因此,科学合理地对城市空气质量进行评估和分类,具有重要的借鉴意义和指导意义。虽然污染物排放是导致空气质量下降的元凶,但是在城市污染排放量一定的情况下,风速、气温、降水、日照等气象因素会引起污染物的稀释和扩散,甚至造成污染物的转化。因此,空气质量监测站每日测得的污染物浓度值会因气象的影响,偏离真实的污染水平。要科学有效地开展空气污染防治工作,污染评估指标必须排除气象因素的干扰,准确客观地反映污染物浓度变化。全国各城市每天气象条件和污染程度各不相同,为科学公平地评价中国各城市空气质量水平、增强各城市间空气质量间的可比性,需要考虑各地气象的差异,剔除气象因素的影响,得到污染排放的实际水平,客观地评价空气质量,进而制定更有效的治理措施。本文通过Python网络爬虫技术,爬取PM2.5历史数据网、中国气象数据网以及中国历史天气网三个网络平台,获取2016年1月1日至2020年12月31日全国23个省会城市、5个自治区首府、4个直辖市共31个重点城市的空气污染数据与气象数据。通过简单的定性分析方法发现气象因素与空气污染物变化间存在复杂的非线性关系,且每项气象因素与不同污染物都存在较强的关联度。鉴于气象因素对空气质量影响的动态性、复杂性,并且数据集中涉及时间序列变量,选择采用深度学习算法建立模型来拟合每一城市气象条件与各项空气污染物的关系。通过对比三种神经网络模型RNN、LSTM以及GRU的拟合结果可知,GRU模型模型拟合精度高,且收敛速度快,具有更高的可行性。同时不断调节模型超参数,使其更好地刻画空气污染物与气象因素的关系。建立模型掌握两者关系后,将设定的平均气象条件代入模型中进行预测,得到各城市在相同气象条件下的污染物质量浓度,从而实现间接剔除气象影响的目的。然后,基于扣除气象影响后的数据,运用二分K均值聚类算法,将31个城市空气质量划分为4类,通过类质心各污染指标数值大小,评价各类城市空气质量好坏,结果表明,南方城市空气质量普遍优于北方。最后采取因子分析的方法,进一步分析各城市的主要污染类型,根据累计贡献率达80%的标准,选择3个公因子进行分析,计算各因子得分以及综合得分,结果表明,中国31个重点城市大部分都受多种污染物的影响,其中最主要的是污染物,同时需要警惕臭氧污染。本文站在剔除气象影响的视角评价中国重点城市的空气质量,得到了更加科学公平的结果。希望通过本文的实证分析,一是加强宣传教育,重视大气污染防治,牢固树立环保意识,发动群众参与,打赢蓝天保卫战;二是加大研发投入,发展清洁能源,减少对化石能源的依赖,大力支持节能环保企业发展;三是科学防治,优化防控对策,建立长效减排机制,巩固所取得的治理成果。