近年来,空气污染日益严重,有效的采集空气质量数据,合理的分析空气质量数据,准确的预测空气质量数据都会对空气污染的治理与预防有重要意义。本文的主要工作是研究2016年11月至2019年3月的沈阳市空气质量监测数据,利用R语言分析工具进行了空气污染物特征分析,建立循环神经网络模型预测污染物浓度,从而为沈阳市空气污染的治理,提供科学依据和理论支持。本文的主要工作如下:(1)使用自编爬虫程序实现对沈阳市8个国控监测点空气质量数据的获取,通过箱线图法识别异常值以及使用R语言“VIM”包对空气质量数据进行缺失值分析,并采用多重插补法对缺失值进行插补。(2)分析沈阳市空气污染物的供暖期与非供暖期的小时均值浓度变化、月均值浓度变化、年浓度变化。(3)利用逐步回归筛选法与主成分分析法对预测模型的输入变量进行筛选,将筛选出的变量作为输入变量进行预测模型建立。与单变量预测模型、全变量预测模型进行对比实验。实验结果表明逐步回归筛选法与长短时记忆网络(LSTM)相结合的预测模型对沈阳市空气污染物浓度预测较好。(4)基于Ubuntu操作系统、Shiny-server和R语言的空气质量监测数据分析系统开发。从实际应用的角度出发,围绕系统的低成本、可视化的多样性以及交互性的要求。结合GIS地图、时间序列图以及日历图等图表方式实现空气质量数据可视化。实验表明,该系统可以较好的完成对空气质量数据进行分析与处理,为用户提供可交互式分析工具,实现了用户可以多角度挖掘空气质量数据中的规律与信息。