空气质量评估是人类保护自然资源、兼顾环境与效益、合理控制污染排放及预防严重污染事件发生的重要评估手段。其中空气质量评估算法则是空气质量评估中的关键。目前常用的空气质量评估算法有空气污染指数法、模糊综合评价法、欧几里得贴近度法等。但这些算法中存在单因子评价、指数范围的人为因素、指数值界限过于清晰等缺点,在日常使用中还是存在评估的误差。本课题综合分析国内外研究现状,在探讨空气质量评估常用方法的基础上提出结合决策树算法的评估方法。它基于ID3算法多值偏向的特点和属性相似度的决策树具有少值偏向的特点,并将两者结合起来,在选择测试属性时采用属性相似度作为校正系数的信息增益计算方法对空气质量进行评估。本文结合某市空气质量的具体数据进行仿真实验,分析实验结果表明改进的算法对于决策树的建立和规则的生成,在分类的效率和正确性上都有显著的提高。基于决策树的空气质量评估算法,不仅能指导研究人员正确地分析和掌握空气中污染物的迁移变化规律,而且具有良好的社会经济效益与应用前景。