20世纪以来，不确定性的科学价值和现实意义逐渐被人们所接受。学者们通过对概率论、模糊集理论以及近年来发展起来的粗糙集理论的应用，使得不确定性问题的研究取得了很大进展，其研究成果也被广泛地应用于各个领域。然而随着研究的深入，这些方法的局限性也逐渐凸显出来。我国学者李德毅教授在传统的概率统计和模糊集理论的基础上创造性地提出了解决不确定性问题的新模型——云模型。云模型解决了传统方法存在的不彻底性的问题，且有效地实现了不确定性问题由定性描述到定量描述的转换。云模型自提出以来应用范围越来越广泛，其在定性知识的表达、不确定性分类、关联知识挖掘、时间序列预测以及定性控制等方面的应用也越来越成熟。本文在以往研究成果的基础上，针对滁州市2008年空气质量日报数据提出了运用云模型解决空气质量预报的方法。由于影响空气质量的因素具有不确定性，这种不确定性来源于各个方面，例如气象条件、人为活动等都会对空气质量产生影响；同时，监测数据的取得也具有一定的随机性，其中包括监测精度、统计方法的选用等。因此，在空气质量的预报中，我们必须考虑预报过程中出现的各种不确定因素。本研究尝试将云模型应用于空气质量预报中，以期在理论与方法上都能有所突破。笔者在历时半年的研究中取得了一定的进展。首先通过对原有数据进行分析得到首要污染物并用逐步回归法验证因子取得的正确性，然后以我国城市空气质量分类标准建立规则库，构建规则发生器进行预报。为验证云模型预报的效果，笔者随机选取十条首要污染物的历史数据作为规则发生器的输入值，将输出结果与实际结果进行比较，发现预报等级与实际等级完全相符，预测的API值与实际的API值也基本相同，预报效果比较理想。对于空气质量预报这一领域，之前也有过不少研究方法，比如神经网络法、灰色预测法、线性回归法等等。总体来说这些方法也取得了一定的研究成果，预报效果在一定程度也较为可靠，但由于理论本身的局限性使得再用这些方法进行研究难以有较大突破。笔者通过广泛阅读文献，在前人的研究基础上另寻角度对空气质量预报进行研究，抓住空气质量预报过程中存在不确定性这一重要而易被忽视的关键点，并以此做为研究的切入点，将处理不确定性问题的云模型用于这一领域，取得了令人满意的成果。本文仅是用云模型对空气质量预报这一领域进行探索，对于其他领域，同样可以根据各个行业的特点将云模型应用于农业、工业、医药等行业。本文用云模型对空气质量进行预报虽取得了一些工作成果，但本研究还是初步的，云模型的应用价值还有待于更深入地挖掘。