PM2.5作为一种空气细颗粒污染物,严重影响了人类身体健康、大气环境及生态系统,因此得到社会的广泛关注。乌鲁木齐市是我国通往中亚、西亚的咽喉,同时也是国际上著名的陆港城市,其空气质量问题愈发体现出其重要性。本文对乌鲁木齐PM2.5浓度历史数据进行分析和预测,以此为大气污染治理提供科学依据,为“一带一路”核心区环保调控措施的制订提供理论依据。本文对监测的PM2.5数据做了以下统计建模研究:（1）本文第一部分对乌鲁木齐市的PM2.5现状进行分析,首先对新疆进行空间自相关分析,研究乌鲁木齐与周边城市污染的关联程度,其次对乌鲁木齐7个监测点的PM2.5浓度数据进行空间自相关分析。最后对乌鲁木齐市七个区在各季节PM2.5浓度分布情况进行分析,结果表现为冬季PM2.5浓度高于夏季PM2.5浓度,说明采暖期对乌鲁木齐PM2.5浓度影响很大。（2）本文第二部分对乌鲁木齐市的PM2.5影响因素进行分析,研究PM2.5与AQI中其他监测指标的关系,通过线性回归模型以及线性参数分位数回归模型、单指标分位数回归模型分析PM2.5浓度与PM10、O3、SO2、NO2、CO之间的关系。利用统计软件R语言估计具体模型参数,得出结论:PM10、O3和SO2系数在不同分位点变化不是很大,但是对PM2.5影响却很大。CO的系数估计值的相对比较很大,说明CO浓度越高对PM2.5的影响越大。NO2对PM2.5的产生负效应,但它的影响系数不是很大。研究气象因素对PM2.5浓度的影响,结果可知,乌鲁木齐市PM2.5浓度与地温、日照时长、气温和风速呈负相关,与降水、气压、湿度、日照时长成正相关。最后通过分析乌鲁木齐市采暖期与PM2.5浓度的关系,得出,在乌鲁木齐采暖期的PM2.5浓度是非采暖期的4.99倍。（3）本文最后对乌鲁木齐的PM2.5浓度进行预测时,将PM10,CO,O3,SO2,NO2浓度数据作为输入变量序列,建立ARIMAX模型,对带影响变量序列的ARIMAX模型参数进行估计。得出结论:ARIMAX模型通过显著性检验,根据ARIMAX模型的预测值计算出PM2.5浓度误差较小,表明预测效果较好。根据以上研究,为了降低乌鲁木齐市PM2.5浓度,建议大家购买新能源汽车,减少尾气排放。首先要提高生产高质量煤炭的技术,减少燃烧排放含有大量污染气体的低质煤的使用;其次提倡普及天然气等低排放能源的使用。