随着我国经济的快速发展,工业化和城市化进程加快,以PM2.5为主的大气污染问题日益突出。雾霾等大气污染问题不仅严重影响了人们的日常生活和身体健康,也对社会的可持续发展造成了巨大冲击。因此,实现对大气中污染物浓度的精准预测具有重要的现实意义和社会价值。本文从以下几方面对上海市Pm2.5质量浓度进行了研究:首先,对于原始数据中存在的缺失值,本文综合考虑了其他因素对于缺失值的影响,使用KNN算法对其进行了填充,填充后的数据与原数据的波动规律基本吻合。其次,本文从月际和周际的时间尺度分析了上海市PM2.5的分布变化规律,分别总结出上海市每月平均PM2.5浓度变化、每月空气质量等级占比、一周内每一天的PM2.5浓度变化。然后,分析了 Pm2.5与其他污染物、PM2.5与气象因素之间的相关关系,并计算其Pearson相关系数矩阵,确定了 PM2.5与其他因子间相关性的大小与方向。同时,建立以赤池信息准侧为判停标准的逐步回归仿真方程,并对回归假设做出诊断。实验表明,气象因子和离子浓度因子的加入使逐步回归仿真方程的拟合优度从66%提升至85%。最后,利用随机森林算法建立用于PM2.5质量浓度预测的逐小时模型和极值模型,分别对未来1～6小时每小时的PM2.5质量浓度以及6～12小时、12～24小时、24～48小时的PM2.5质量浓度最大值和最小值进行预测。实验表明,随机森林算法的预测精度在90%以上,相较于基准模型,精度最大提升30%。通过基于OOB误差估计的变量筛选方法选择出最优预测变量子集,可以使模型的拟合优度平均提升1.05%。