雾霾是中国大陆地区面临的常见环境污染问题。世界范围内围绕空气质量、环境保护、政策实施评估和人类健康等主题的研究日益增多。针对雾霾政策实施效果难以具体从具体影响因素量化评估的问题,以每日空气质量、天气观测、中国统计年鉴等数据为基础,结合机器学习相关算法以及数据包分析模型（Data Envelopment Analysis,DEA）相关算法,达到评估效果。主要工作如下:（1）基于政策评估方法中的归因法,并结合机器学习构建了雾霾防治政策评估模型。在此基础上,预测了反事实状态（政策缺失状态）下的PM2.5浓度,并与真实情况下的实际值进行对比,分析两者之间表现出的效果差,研究其反映出的雾霾防治政策实施的好坏。利用机器学习不需要考虑传统模型的内生性问题,以及可以减弱自然试验的要求的优点,以中共十九大召开前后为时间节点,首先,采用随机森林对数据集进行特征提取,其次,分别使用网格搜索和随机搜索算法对极致梯度提升（e Xtreme Gradient Boosting,XGBoost）、反向传播（Back-propagation,BP）、长短期记忆网络（Long Short Term Memory,LSTM）,以及支持向量机（Support Vector Machines,SVM）算法进行参数优化,预测结果表明,随机搜索算法优化的XGBoost预测效果最好,均方根误差为8.566,训练时间为0.16s,预测相关性为98.69%。对比华北五个城市反事实状态下的预测值与实际状况值发现,北京、天津防治政策实施效果最好,呼和浩特、太原偏向于可持续发展,河北表现相对较迟缓。（2）针对防治政策评估模型不能从不同指标的具体影响因素评估、样本评价权重值不同导致的评估结果不客观,以及传统DEA模型中非均一权重值等问题,采用基于机器学习算法中回归思想构建了样本回归的综合模型。首先,利用该模型求解共同权重值,在此基础上,选取社会、政府、生态、市场四个评价指标,求解各地区的综合得分。由综合得分可以看出,北京、上海等地区综合得分为1,治理效果最好;青海、吉林、宁夏等地得分最低,治理效果较差。进而,根据四个评价指标的归一化结果发现,政府指标占权重最高,值为0.291。以政府指标为例,根据政府指标的各类影响因素比例发现,投资总额、治理废气投资比例高达0.5以上,各地区政府应加大投资力度,结合各地经济发展结构,合理投入相关资源。