城市空气污染是城市发展过程中必须解决的重要难题,它不仅对社会经济的稳定发展有负面影响,还威胁着人类的身体健康。随着我国工业化进程的加快,工业企业污染物的排放是城市空气污染的主要原因之一,在不利气象条件下,空气污染的形势更加严峻。环境空气质量预测是环境空气质量管理方法和空气污染防治的重要环节,目前的环境空气质量预测方法有统计学方法和机器学习算法两大类预测方法。由于预测所用数据呈现高维非线性的特点,用传统统计学方法来预测空气质量存在预测精度不高、泛化能力弱等缺点,而基于机器学习算法的空气质量预测不仅能处理高维非线性的数据,还具有预测精度高、泛化能力和抗干扰能力强等优点。但当前研究均脱离了污染物排放信息,或忽略污染源信息,或采用污染源清单数据将其视为恒量。而生产企业内各工序作业时间长短不一,污染负荷也不均衡,导致工业废气日排放量波动很大。鉴于此,本研究通过PSO-LSSVM、随机森林、GA-BP神经网络三种机器学习算法,基于区域的工业企业废气排放和气象因素,分别建立了空气质量气象关联模型,并结合模型预测结果对研究地区的工业企业污染物排放提供了调控方案。首先,研究基于淄博市张店区2016年1月1日至2018年12月31日的AQI和PM2.5、PM10、NO2、SO2、CO、O3等六项大气污染物浓度数据,通过主成分分析法得出影响张店区空气质量的主要大气污染物从大到小排序依次为PM2.5、PM10、NO2、CO、SO2、O3。其次,以张店区2018年1月1日至2018年10月14日的AQI、气象因素和工业废气日排放量等数据作为模型的训练样本,以2018年10月15日至11月3日AQI、气象因素和工业废气日排放量等数据作为模型的测试样本,利用Matlab、Python等软件,以PSO-LSSVM、随机森林、GA-BP神经网络三种机器学习算法建立了空气质量气象关联模型,三种空气质量气象关联模型的AQI预测值与实测值时序趋势几乎完全一样,其中基于PSO-LSSVM算法建立的空气质量气象关联模型的预测性能最好,其RMSE、MAE、R~2分别为9.8431、7.5037、0.8950。最后,运用PSO-LSSVM空气质量气象关联模型反演得到了张店区10月15日至11月3日的工业废气日排放限值,并在确保环境空气质量良好的基础下尝试指导该地区工业企业合理调整其生产工序。该研究方法可为城市空气质量保护和工业企业污染排放调控提供参考。