随着社会经济水平的提高,人们越来越关心空气质量问题,越来越关注当前的空气质量变化。因此如何准确科学地预测空气质量对环保部门、社会大众都具有重要的战略意义、现实意义。但在现有空气质量预测研究中,大多数未考虑到应急政策因素对空气质量的显著影响。基于此,本文通过加入经验模态分解（EMD）改进的EMD-GA-LSTM预测模型对杭州市空气质量指数（AQI）进行预测,并分析相关应急政策对空气质量变化的影响。本文的研究框架可分为四个阶段:第一阶段对杭州市空气质量的变化进行总体分析,利用分阶段前后对照方法重点分析了 2016年G20峰会环境管控政策和2020年新冠疫情隔离政策对空气质量的影响。第二阶段对杭州市气象数据和空气质量数据进行预处理。经过第一阶段的政策影响分析,加入政策特征;同时考虑到季节因素的影响,加入季节特征。第三阶段基于以上数据构建EMD-GA-LSTM预测模型。在该模型中首先利用EMD将原始AQI序列分解成有限个本征模函数（IMF）分量和1个余波分量。其次对各分量序列分别搭建LSTM预测模型,且利用遗传算法寻找LSTM模型隐藏层和全连接层的最优层数和最优神经元个数。然后将各分量序列预测结果的累加值作为原始AQI序列的预测值。最后将该EMD-GA-LSTM预测模型与GA-LSTM模型、单一 LSTM模型、RNN模型的预测效果进行对比。第四阶段用加入政策特征和不加入政策特征的EMD-GA-LSTM模型分别预测杭州市2022年1月10日至2022年3月10日的空气质量指数（AQI）,并将预测结果与‘迎亚运’政策下杭州市AQI真实值进行对比。结果表明,本文提出的EMD-GA-LSTM预测模型相较于GA-LSTM模型、单一 LSTM模型、RNN模型预测AQI时的预测误差MAE、RMSE均最小、R2最高,证实了该模型提升了原有模型的性能;利用加入应急政策特征和不加入应急政策特征的EMD-GA-LSTM模型预测‘迎亚运’期间AQI的结果表明加入应急政策特征的预测模型对‘迎亚运’期间的AQI预测效果更好,证实了应急政策在很大程度上影响空气质量。所以在制定空气质量治理方案时除了长效环境治理政策之外,还可以考虑加入阶段性的应急政策,加快改善空气质量。