随着中国工业化的逐步发展和城镇化的深入推进，资源和能源消耗不断增加，大气污染预防治理的压力也来越大，京津冀地区的空气污染现状已经成为全国瞩目的焦点。为了人民群众的身体健康、社会的稳定和谐、经济的持续健康发展，控制京津冀地区的大气污染，改善京津冀地区的大气质量追在眉睫。掌握大气污染的污染水平和变化规律，分析污染物的时空变化特征，探索合理的空气质量预测方法，并将研究结果与大数据相关技术相结合，让研究成果能应用于实际，对于揭示京津冀空气质量的时空分布特征、控制京津冀空气污染具有重要的科学实践意义。本文按照环境保护部发布的《环境空气质量指数(AQI)技术规定（试行）》(HJ633-2012)的规定，以京津冀地区为研究区域，利用大数据平台对研究区监测点数据进行处理后，分析了研究区2015～2017年空气污染的时空分布特征，并以其中一个监测站点为例融合WRF大气模式与随机森林算法对PM2.5浓度进行了0～72h预测，最后结合大数据相关技术对研究成果进行了实际应用。本文主要研究工作如下:　　(1)本文对2015～2017年研究区各城市优良天数比例、主要污染物平均浓度的年变化特征进行了分析，研究表明:从2015年到2017年，京津冀整体空气质量明显变好，空气质量等级为优、良的天数明显增多，污染天数明显减少;京津冀主要污染物为PM2.5、PM10和O3，以PM2.5和PM10为主要污染物的天数从2015年到2017年分别下降了26.11％（41天）和3.92％（4天），以O3为主要污染物的天数却增加了98.18％（54天），大气污染的治理不能只针对PM2.5和PM10，O3的污染问题也不容忽视;从空间分布看，研究区空气质量从优到差为:北部＞中部＞南部。　　(2)本文通过对2015～2017年研究区各城市优良天数比例、主要污染物平均浓度的月季变化特征的分析发现:京津冀地区的污染为U型污染，污染主要集中在秋季中到末期、冬季、春季初期，主要污染物为PM2.5和PM10，夏季空气质量最好，主要污染物为O3;PM2.5、PM10都是冬季的质量浓度最高，夏季最低，而O3的质量浓度刚好相反，冬季最低，夏季最高;从空间分布看，PM2.5、PM10的质量浓度都是南部＞中部＞北部，O3刚好相反，北部＞中部＞南部。　　(3)本文对2015～2017年研究区各城市优良天数比例、主要污染物平均浓度的日变化特征进行了分析，研究结果表明:2015年京津冀污染时段主要集中在9～11时和21～0时，主要污染物为PM2.5和PM10，空气质量最好的是在15～17时，主要污染物为O3;2016～2017年京津冀污染时段主要集中在8～10时和20～22时，主要污染物为PM2.5和PM10，空气质量最好的是在13～15时，主要污染物为O3。此规律在污染严重的季节最为明显。　　(4)以编号为1003A的北京东城区东四空气质量监测站点为例，融合WRF大气模式与随机森林算法建立了0～72h的PM2.5浓度实时预报模型对站点的PM2.5进行预报，并进行了精度验证。结果表明，该模型可以较高精度的预报0～72h单站点的PM2.5浓度。　　(5)搭建大数据分析平台，对研究结果进行应用，开发京津冀空气质量在线监测分析系统。以Ambari、Zookeeper、Kafka、HDFS、Map Reduce/Yarn、Hive、Hbase、Spark搭建大数据平台，以百度地图Javascript API、Echarts等为主要可视化手段，实现了系统的业务化运行。