随着工业化和城镇化进程不断加快,城市人口持续增长,能源消耗日益增加,工业及机动车等排放出大量空气污染物,导致空气污染问题日趋严重。高浓度的空气污染物对居民的健康生活、交通和旅游等产生严重影响,造成巨大的经济损失,严重制约社会和经济的发展,空气污染已成为全球持续关注的焦点问题之一。近些年来,空气污染物浓度预测逐渐成为空气污染研究的热点之一,备受国内外学者的广泛关注。准确的、可靠的空气污染物浓度预测作为环保部门采取措施、治理空气污染的重要依据之一,对改善空气质量水平具有重要意义。然而,空气污染物受诸多因素影响,其数据呈现出复杂的非线性和间歇性等特征,极大地增加了空气污染物浓度预测模型的研究难度。本文按照“确定性混合预测模型构建→不确定性混合预测模型构建→预测模型在居民健康经济效益评估中的应用”的研究思路,利用异常值检测技术、数据分解方法、机器学习和多目标优化算法等方法,先后构建空气污染物浓度的确定性混合预测模型以及三种基于不同策略的不确定混合预测模型,丰富了空气污染物浓度预测的研究理论与方法。然后,本文创新性地将预测模型与空气污染物对居民健康的影响及相关经济效益评估理论与方法进行有效结合,构建“空气污染物浓度预测模型在居民健康经济效益评估中的应用”研究框架,为核算空气污染物对居民健康的影响及相关经济成本、制定大气污染防控措施以及建立健全空气质量和健康预警系统提供支撑。本文共有六个章节:第一章介绍选题背景和研究意义、空气污染相关概述、研究框架与章节安排以及本文的主要创新与不足之处;第二章对空气污染物浓度的确定性和不确定性预测模型以及空气污染的健康经济效益评估研究现状进行梳理、归纳和总结,并引入性能评估指标和假设检验方法用于验证模型的预测性能;第三章提出一种基于异常值检测技术、数据分解方法、机器学习和多目标优化算法的空气污染物浓度确定性混合预测模型,分别从单一预测模型、异常值检测技术、数据分解方法、多目标优化算法以及模型的显著性和稳定性检验等多个角度展现所构建模型的优异性能:第四章首先引入五种分布函数进行数据拟合和特性分析,然后提出多目标哈里斯鹰优化算法并进行性能测试和算法对比,最后构建三种基于不同策略的空气污染物浓度不确定性混合预测模型;第五章基于模糊综合评估方法、确定性和不确定性混合预测模型、决策者风险偏好以及空气污染物对居民健康效应及经济效益评估理论和方法,分别实施空气质量水平综合评估、进行确定性和不确定性预测研究以及构建“空气污染物浓度预测模型在居民健康经济效益评估中的应用”研究框架,并提出政策建议。第六章对本文研究工作进行总结与概括,并对未来研究课题进行展望。本文的主要研究内容和结论可以概括为以下几个方面:第一,针对单一预测模型固有的缺陷以及现有的空气污染物浓度预测研究多侧重于预测精度提高而忽视预测稳定性增强,也较少考虑异常值对模型预测性能影响等问题,首先,本文分别引入异常值检测技术和数据分解方法用于异常值检测与修正以及数据分解;其次,引入多目标优化算法对极限学习机模型进行基于预测精度和预测稳定性的双目标参数优化,构建改进的极限学习机预测模型;最后,本文选取南京和重庆空气污染物浓度数据集,并综合五个对比实验、十六个对比模型以及模型显著性和稳定性分析对模型的预测性能进行有效性验证。研究结果表明:（1）异常值检测技术和数据分解方法可以有效降低异常值和数据噪声的负面影响,从数据预处理角度提升模型的预测水平:（2）基于多目标优化的预测模型可以有效弥补单一预测模型的缺陷,从模型改进角度提高模型的预测性能;（3）本文所提出的确定性混合模型明显优于其他对比模型,可以显著提高基准模型的预测精度和预测稳定性。第二,针对以往的空气污染物浓度预测研究多考虑确定性预测,而较少关注不确定性预测等问题,首先,本文引入五种分布函数对空气污染物浓度数据进行拟合与特性分析;其次采用数据分解算法对数据进行分解;再次,本文提出一种新颖的多目标优化算法,即多目标哈里斯鹰优化算法,紧接着利用多目标哈里斯鹰优化算法对最小二乘支持向量机模型进行多目标参数优化,构建改进的最小二乘支持向量机;然后分别基于多目标优化策略、误差修正策略和拟合最优分布函数策略,提出三种不同类型的不确定性混合预测模型;最后,选取南京和重庆空气污染物浓度数据集对构建的不确定性预测模型进行有效性检验。研究结果表明:（1）Lognormal分布函数相比于其他对比函数展现出较强的数据拟合能力,为后续基于拟合最优分布函数策略的不确定性预测研究奠定基础;（2）本文提出的多目标哈里斯鹰优化算法具有优异的参数寻优性能,为处理多目标优化问题提供一种新的参考;（3）本文提出的三种不确定性预测模型可以获得优异的区间预测结果,为空气污染物浓度的不确定性预测研究提供参考。第三,针对现有的空气污染物浓度预测研究多侧重于预测模型自身的改进与提升,而较少涉及模型的进一步应用与拓展。因此,为了深入探讨预测模型的研究与应用价值,首先本文使用模糊综合评价方法对空气质量水平进行评估与趋势分析,并依据评估结果确定首要空气污染物为研究对象;然后基于确定性和不确定性混合预测模型、决策者风险偏好以及空气污染物对居民健康效应及经济效益评估理论和方法,构建“空气污染物浓度预测模型在居民健康经济效益评估中的应用”研究框架;最后,本文选取北京空气污染物浓度数据集进行有效性验证。研究结果表明:（1）北京近些年来的空气质量水平呈现出逐年向好的趋势,但PM2.5仍然是最为重要的首要空气污染物之一;（2）空气污染物易对居民健康造成严重的损害,产生巨大的健康经济成本;（3）本文构建的预测模型研究及其应用研究框架是对空气污染物浓度预测模型应用研究的深入拓展,有助于核算空气污染物对居民健康的影响及相关健康经济成本,对实施空气污染区域联防联控措施和环境质量管理与合作具有重要意义。本文的主要创新点如下:第一,不同于现有的确定性预测模型,本文分别引入异常值检测技术、数据分解方法、极限学习机模型以及多目标优化算法对空气污染物浓度数据进行异常值检测与修正、数据分解和模型多目标参数优化,提出一种新颖的空气污染物浓度的确定性混合预测模型,进一步提高模型的预测性能;第二,本文提出一种新颖的多目标优化算法,即多目标哈里斯鹰优化算法,二十二个多目标测试函数以及五个对比多目标优化算法研究结果表明,提出的多目标哈里斯优化算法可以获得具有竞争力的优化结果,为解决多目标优化问题提供了一种新的选择;第三,以往的空气污染物浓度预测研究多集中于确定性预测而忽视不确定性预测的重要性,本文提出三种基于不同策略的不确定性混合预测模型,为空气污染物浓度的不确定性预测研究提供参考;第四,现有的空气污染物浓度预测研究多侧重于模型自身性能的提升而较少考虑预测模型的深入应用与拓展,本文将空气污染物浓度确定性及不确定性混合预测模型与居民健康效应及经济效益评估理论相结合,构建“空气污染物浓度预测模型在居民健康经济效益评估中的应用”研究框架,有助于分析空气污染物对居民造成的健康影响以及核算相关经济成本,为空气污染物浓度预测模型的深入研究与应用提供参考。本文的不足之处如下:第一,本文仅使用空气污染物浓度的单变量序列数据,未考虑其他影响因素变量。若引入其他影响因素数据进行分析与建模,可能会提高模型的预测性能,值得未来深入研究。第二,本文仅对控制PM2.5污染物浓度达标后所带来的居民健康效应和相关经济效益进行评估,仅选取早逝、呼吸系统疾病、心血管系统疾病、儿科、内科、急性支气管炎、慢性支气管炎和哮喘八种健康终端,未考虑其他空气污染物和健康终端,使得估算结果存在被低估的可能,值得未来深入研究。