污染物浓度受人为污染源物排放和气象条件的双重影响。虽然人为排放是造成污染的主要原因,但气象因素（如大气扩散条件）也会影响大气中污染物的浓度。因此,在分析和评估大气污染治理政策等人为因素对空气质量的影响时,需剔除或控制气象因素的影响,进而对大气污染治理政策等人为因素对空气质量所产生影响作出科学、合理的评价。在分析人为因素对大气质量所产生的影响时,传统的统计方法通常采用多元回归分析,将气象因素作为控制变量,来分析人为因素对大气中污染物浓度的影响。然而,大气系统的复杂性使得大气中的污染物浓度与气象因素间的关系复杂多样,回归模型常常很难准确表达两者之间的函数关系。本文选择“2+26”城市（主要包括京津冀地区）为研究区域,采用机器学习方法来分析和拟合大气中PM2.5和O3这两种主要污染物浓度和气象因素之间的关系,进而在剔除气象因素对污染物浓度的影响后来分析“2+26”城市地区近年来采取的大气防治行动等人为因素对该地区空气质量的影响。研究搜集了“2+26”城市的空气监测站数据。考虑到监测站点的数据可能存在数据缺失,研究首先对空气质量监测站点的数据作了缺失值的处理和填补,对比分析了缺失值填补前后的数据情况,为相关部门和学术界今后使用该地区的空气监测站数据提供评估结果。其次,采用随机森林算法构建PM2.5和O3浓度与气象因素的随机森林模型,然后对气象进行重抽样并将其导入到得到的随机森林模型中以获得气象调整后的污染物浓度(PM2.5和O3),并据此来分析“2+26”城市PM2.5浓度和O3浓度的变化情况,并从时间和空间两个角度对“2+26”城市PM2.5和O3浓度的变化展开分析。基于上述分析,研究为今后评估“2+26”城市大气污染治理政策和措施的效果提出相应的建议。本文主要结论如下:（1）虽然缺失值的存在可能会高估或低估实际污染物浓度,但在“2+26”城市,无论从年际还是月度角度进行对比,缺失值处理前后的变化并不大。因此,该地区的空气监测站的PM2.5浓度和O3浓度数据即使不做缺失值的处理,数据质量基本可靠。（2）从时间维度来看,气象调整不改变PM2.5和O3浓度的总体变化趋势。其中PM2.5浓度表现为秋末及冬季高夏季低的季节特征,调整前后的差异主要表现在冬季月份,即PM2.5浓度变化受冬季气象影响最为严重;相反,O3浓度表现为春末及夏季高冬季低的季节特征,调整前后的差异主要表现在夏季月份,即O3浓度变化受夏季气象影响最为严重。从空间维度来看,秋冬季政策实施期间（10-次年3月）气象调整后PM2.5平均浓度的空间分布与年度类似,同样向中南地区转移聚集。2017年10-次年3月的PM2.5平均浓度空间分布相较于前两年PM2.5平均浓度有了显著的下降,平均浓度峰值同比下降20%左右;同时,2017年区域内5-8月O3平均浓度发生了整体性的提升,平均浓度谷值同比上升了38%左右,到2019年区域内大部分城市O3平均浓度均在100ug/m~3以上,尤其以德州、聊城、长治和晋城最为严重。以上结果说明,《京津冀及周边地区秋冬季大气污染综合治理攻坚行动方案》的实施有助于2015-2019年PM2.5污染的改善,但并未对O3污染的改善起作用,目前O3浓度持续上升,尚未有针对O3污染治理的有效政策和措施。（3）对PM2.5来说,其浓度在各省（市）变化情况基本与区域整体保持一致,其中调整后的PM2.5浓度在各地区下降程度为:山东＞北京＞河北＞河南＞天津＞山西,其中北京、河北、山东的下降幅度均超过25%。其中,河北PM2.5污染改善的主要贡献城市为石家庄、保定、衡水和廊坊;河南PM2.5污染改善的主要贡献城市为郑州、焦作、新乡;山东PM2.5污染改善的主要贡献城市为济南、德州、聊城、济宁和菏泽;山西PM2.5污染改善的主要贡献城市为长治。另外,《大气污染防治行动计划》对于PM2.5污染的改善作用大于《打赢蓝天保卫战三年行动计划》。同样对于O3来说,其浓度在各省（市）变化情况基本也与区域整体保持一致,其中调整后的O3浓度在各地区上升程度为:天津＞山西＞山东＞河南＞河北＞北京,其中天津和山西的上升幅度超过46%。其中,河北O3浓度上升的主要贡献城市为石家庄、邯郸和邢台;河南O3浓度上升的主要贡献城市为安阳、新乡;山东O3浓度上升的主要贡献城市为聊城和滨州;山西O3浓度上升的主要贡献城市为晋城。另外,《打赢蓝天保卫战三年行动计划》对于O3污染的改善作用大于《大气污染防治行动计划》。