随着经济的快速发展,物质文化生活方式变得越来越丰富,人们也开始提升自己的生活质量,更加关注自身的健康程度。中国多地曾出现过空气质量恶化的情况,人们的正常生活已经逐渐受到空气污染的影响。雾霾这个似雾非雾的大气污染代名词逐渐被人们熟知,成为社会热点。这时不同领域的研究者们开始对雾霾成因、雾霾影响、雾霾治理等方面进行了分析研究,取得了一系列的研究成果。而后国家制定相关污染环境的方案,倡导绿水青山就是金山银山的伟大创新举措,通过管控污染物的排放、植树造林等针对大气污染的防控施,在一定程度上缓解了雾霾造成的危害。尽管治理效果显著,但仍有部分区域遭受其影响,该地区仍旧面临着雾霾污染问题。针对此问题,本文通过实时预测雾霾并预报,目的是让人们减少直接暴露在雾霾天气里,及时采取有效措施减少对身体的损害。然而雾霾受多种因素影响,现有雾霾预测方法的准确度和自适应性还需提高。针对此问题,本文提出基于SVM算法的雾霾预测模型设计,通过优化PSO算法对SVM算法进行优化,与预测效果较好的LSTM预测模型进行对比,证明SVM预测雾霾的可行性,且PSO-SVM模型更准确、拟合度更高、速度更快。本文主要内容如下:1、由于雾霾影响因素的不确定性,非线性等特征,选取鲁棒性较强的支持向量机优化模型对雾霾浓度建立预测模型。通过线性分析的方法来判断影响细微颗粒物PM2.5浓度的因子,分析PM2.5与各种影响因子之间的关联性,选择适合的影响因子作为模型的输入。2、使用优化PSO算法对SVM算法的关键参数进行调整,建立了 PSO-SVM预测模型,同时建立了基于时间序列的LSTM雾霾预测模型作为混合模型的参照实验。3、为了真实全面地评估SVM算法的有效性,本文将历史数据作为训练样本和预测样本进行分类,在实验的内容上,使用PSO-SVM模型同SVM模型、LSTM模型做对比。实验结果表明,PSO-SVM混合预测模型在预测精度和适应性上有明显的优势,预测率准确率最高。