近年来,我国多个城市雾霾天气频繁出现,空气质量大幅下降,同时也给日常出行造成了很多不便,世界卫生组织于2019年将空气污染列为威胁全球健康的十大问题之一。目前我国政府持续加大对环境污染的治理力度,而改善雾霾污染是环境污染治理过程中的重点方向之一。国内外学者对雾霾污染的预测做了大量的研究,但是还存在指标单一,特征不足等问题。本文选用了邢台市逐日的空气污染因素及气象因素数据集作为研究对象。首先分析了邢台市近年来雾霾变化情况,发现2014-2016年雾霾情况一直向好转变,在2017年出现了轻微的波动。利用最大信息系数做相关性分析后得出,PM2.5浓度与空气污染因子的相关性较强,与气象因素的相关性强度整体偏弱。在模型构建阶段,根据时间序列数据的变动特点对数据集进行合理的预处理后,分别说明了长短时记忆网络,极端梯度提升和支持向量回归模型的构建过程,重点说明了各模型调参的方式,然后利用集成学习(Stacking)方法,将上述三个模型作为基学习器,极端梯度提升模型作为元学习器进行融合并做出预测,并设置对比模型来判断融合后模型的优劣。结果表明,本文构建的融合模型表现较好,对邢台市雾霾污染的预测研究有重要的参考意义。