本文通过对物联网技术、互联网技术和机器学习算法的综合应用,设计并实现了室内外环境数据采集与监测系统,方便用户直观了解室内外环境的实时状态与历史变化情况,同时针对现存数据监测系统中普遍缺少对单项数据预测功能的问题,出预测模型的应用,为进一步操作可控变量从而实现环境改善供可靠依据。本系统由采集端、监测端与预测模型三部分交互实现。环境数据采集端使用Intel Galileo开发版、空气质量传感器及温湿度传感器等硬件设备对室内外环境数据进行采集,并通过无线模块完成与监测端的数据传输;环境数据监测端将接收到的数据进行可视化显示,并实现不同权限的用户操作,主要采用SSH后端框架和jQuery EasyUI前端框架,通过MySQL数据库进行数据存储,利用Echart前端插件实现实时数据与历史数据的图表显示。预测模型选取室内温度为预测目标,使用Python的机器学习库Sklearn,对采集到的环境数据与室内温度影响因子进行分析处理,应用随机森林算法、XGBoost算法分别进行预测模型的构建,通过对不同模型预测效果与运行时间等指标的对比分析,选取性能更为优质的模型应用于系统。用户可获取到未来某时刻的室内温度预测值,并将预测结果作为环境变量的调控依据。本文为用户供了低成本、易操作的环境数据采集与监测系统。简单有效的作用模块降低了各个环节的精准度损耗,且为用户供了室内环境数据的预测功能和改善途径。