物联网技术不断发展且日趋成熟,在环保行业各个领域得到了广泛的使用,将其运用在大气监测过程中,实现了大气污染物浓度的智能化监测转型。随着大气污染监测设备的增加和时间的推移,大气污染数据呈量级增长,给海量数据存储、管理带来了巨大的挑战。此外,如何合理应用数据,基于时间序列的空气质量数据进行分析、预测,挖掘数据背后的价值,给出指导生产生活的有用信息,已成为大气污染领域亟需解决的问题。本文主要工作如下:根据物联网数据的应用特点,本文设计了一种大气污染数据分级存储和检索共享的方案。在数据分级存储方案中,采用关系型数据库进行实时数据的存储,通过主从数据库分离的架构将对实时数据的频繁读写操作分开进行;定期采用数据迁移工具实现异构数据库间的数据迁移,完成历史数据的冗余备份,缓解实时数据库的存储压力,提高系统吞吐率。在数据检索共享方案中,使用HBase数据库的协处理机制和ElasticSearch分布式搜索引擎,优化分布式数据库的二级索引,实现了对平台数据的多条件检索;向平台内外提供WebService数据接口实现数据共享,允许用户采用符合RESTful标准的接口根据需求获取平台数据。基于平台大气污染数据进行了空气质量指数预测模型的研究,提出一种融入空间信息特征的时序预测算法S-LSTM。使用K-means聚类算法对站点数据进行聚类处理,将在空间上对空气质量状况影响较大的站点聚为一类;根据站点间的地理距离设置权重,对同类簇中各站点历史污染物浓度数据进行加权处理,通过将空间信息融入到时序数据中,构建出融合时空双重特征的序列数据;最后使用堆叠式的LSTM网络结构对时空特征信息融合的数据序列进行空气质量指数预测。通过对比实验验证和分析得出,加入空间信息的时序预测算法能够有效融合数据的时空双重维度特征对预测结果的影响,在该预测场景下可以提高预测结果的准确性。在上述研究的基础上,本文搭建了智慧环保大气污染数据应用平台,完成了各功能模块的设计与实现。并通过软件工程的方法,集成了平台提出的数据分级存储、数据检索和共享、数据预测预警、数据可视化展示等数据应用功能,最后对平台进行了功能性测试和非功能性测试。