近年来,PM2.5逐渐进入人们的视野。与此同时我们意识到的还有较为严重的空气质量问题。PM2.5作为一种严重的空气污染与我们的生活息息相关,空气质量及其预测方法,如何防治等成为人们普遍关注的焦点。通过建立PM2.5预测模型,可以掌握PM2.5的变化趋势,进而可以对PM2.5变化展开分析,这对PM2.5的研究有着重要的作用。本文的主要研究内容如下:1、本文基于已有的研究提出了基于粒子群算法和遗传算法进行参数寻优的支持向量机(PSO-SVR GA-SVR)模型的PM2.5预测方法。2、本文通过数据选择模型,通过模型验证数据,使用气象数据和大气污染数据训练预测模型,通过对比预测结果选出效果较好的预测模型。3、以保定市PM2.5为例展开预测模型分析。通过构建相应的PSO-SVR和GA-SVR的PM2.5预测模型,分析并对比POS-SVR与GA-SVR预测模型的优劣,验证了SVR预测模型可用于PM2.5预测的有效性。4、采用因子分析法降维,筛选与PM2.5相关性较高的数据项,然后通过KMO和球度检验验证整体数据可否用于预测,从而缩减数据量,提高了运算效率。