环境空气质量密切关系到人们的生产、生活,随着我国经济的快速发展和城镇一体化进程的加快,导致工业、交通规模持续扩大,以可吸入颗粒物(PM10、PM25等)、二氧化硫(SO2)、二氧化氮(NO2)、一氧化氮(NO)、氮氧化物(NOx)、一氧化碳(CO)、臭氧(O3)等为主要污染物的空气污染问题日趋严重,空气污染问题已逐渐成为日益关注的重大问题。几十年来,某市环境保护监测站已积累了大量的空气质量监测数据,这些数据虽然不能完全准确地描述该市的环境空气质量,但能够对整个城市环境空气质量的分析和控制提供重要的分析判断依据。随着环境空气质量监测体系的不断完善,监测数据的增长更加迅速,传统的数据处理方法和手段已经不能对高维的空气质量监测数据进行有效的分析和处理,急需新的技术支持,来实现对现有数据的分析和利用。如何有效地从海量数据中发现有价值的信息,分析污染物之间的复杂关联联系并对未来空气质量的变化做出正确预测与评估,最终达到有效控制区域内的环境空气质量已成为了一个重要的研究课题,具有重要的理论研究意义和实际应用价值,也能为环境管理部门提供决策参考依据,从而更好地维护城乡的社会生产和生活环境。本文以平行坐标方法为主要工具,研究了环境空气质量监测数据中各主要空气污染物的浓度时间分布、相互关联等特性的可视化分析方法；分析了不同污染物浓度数据在不同时段的变化规律,通过基于聚类的可视分析方法讨论了不同污染物之间的关联特性；讨论了如何利用二维、三维平行坐标在有限的屏幕空间来展示更多复杂数据信息的方法,以便更方便的获取污染物的空间和时间分布等复杂信息。论文采用统计理论和方法,通过对最近十年某市环境空气质量自动监测数据(空气污染物PM10、SO2、NO2、NOx、CO、O3等浓度监测数据)的预处理,采用国家标准计算出相应的空气污染指数(API)数据¨,并计算出不同移动平均周期的API移动平均值进行API的分析与预测,最后通过综合计算较长、较短移动平均周期的API移动平均值,获得了该市以十年为一个整体的较好的平均预测结果,同时获得了一年中不同时期的API的较好的平均预测结果,为城市环境空气质量的管理和控制提供了重要的基础数据支持。