随着我国社会经济的不断发展,化石燃料的消耗量不断上升,导致我国大部分城市空气污染日趋严重,雾霾天气增多,对社会、经济、居民健康及环境造成了严重影响。在这一背景下,社会对空气质量相关信息的需求越来越高。大多数关于空气污染的研究都集中在空气污染对健康的影响,虽然近几年有关空气污染物浓度预测的研究逐渐增多,但这些研究大部分集中在单个污染物浓度的预测及提高预测精度方面,很少有研究从应用的角度分析污染和建立合理的预警系统。基于上述现状,本文构建了一个由混合预测模型和模糊综合评估两模块组成的空气污染早期预警系统,其目的是预测空气污染物浓度,并根据预测浓度评估空气质量。预警系统的评估结果可用于指导人类生产和生活,避免空气污染带来更多危害。从预警系统的框架来看,该系统主要包括两个模块:即基于二次去噪及多目标优化的空气污染浓度预测模块和基于模糊综合评判空气质量评估模块。在空气污染预测模块中我们提出了一种新的混合预测模型,该模型结合了二次去噪思想和多目标优化算法和一个新的预测算法,通过减少原始序列中的噪声信息及优化预测模型的参数提高空气污染浓度预测的精确性。在第二模块中我们提出了空气质量模糊综合评估体系,综合评估是基于PM2.5、PM10、SO2、NO2、CO和O3的小时浓度进行的。本文的主要工作可概括为以下几点:(1)建立一个由高精度预测方法和空气质量评估体系两部分组成的空气污染早期预警系统,首先该系统对多种污染物的浓度进行预测,然后通过构建的模糊综合评估体系对空气质量做出评估,评估结果既可满足空气质量监管部门的需求,又能满足人类日常生活的需求;(2)从时间序列的动态重构的角度出发,结合经验正交函数降低序列中的噪声,识别原始序列中具有趋势和周期性的分量,重构后的序列使用一种新的预测算法,即基于L2,1范数和随机傅里叶变换的极限学习机(L2,1RF-ELM)进行预测,并采用多目标优化算法寻找预测方法中的最优参数,从而提高污染物浓度预测的精度,为构建空气污染预警系统提供了可靠的理论支撑。(3)运用模糊综合评价方法确定实验地区的三种主要污染物,根据主要污染物的浓度综合评价该城市的空气质量。为检验本文提出的预警系统的性能,我们选取中国的三个大型城市,北京、上海和广州进行实验。数值模拟结果表明:(a)本文提出的混合预测模型是一种高效、准确、科学的预测模型,该模型在空气污染预测实验中表现良好;(b)根据模糊综合评估的结果可知,本文研究的三个城市在2017年上半年的总体空气质量分别为,北京—轻度污染、上海—良好、广州—良好;(c)本文使用奇异谱分析技术和集合经验模态分解方法对污染物的浓度数据进行平稳化处理,降低高频信号对空气污染浓度预测的影响,通过对预测误差指标数值的分析,证明数据预处理对提高空气污染预测精度的有效性;(d)本文使用最新的元启发式优化算法对L2,1RF-ELM的参数进行优化,实验结果表明,优化算法可以提高L2,1RF-ELM模型的预测精度。本文在国内外大量研究成果的基础上,对我们的研究内容进行了系统总结,力求从以下几个角度有所创新:第一,作为新提出的启发式智能算法之一的多目标蚁狮优化算法,在空气污染预测研究中尚无应用,本文将多目标蚁狮优化算法应用于空气污染预测,通过实验对比验证多目标蚁狮优化算法对提高预测精度的有效性。第二,创建一个考虑多种污染物的早期预警体系,该体系由两个部分组成,预测部分结合了二次去噪思想、新型元启发式优化算法及一种新的预测方法;空气质量评估部分使用了模糊综合评判方法。本文基于中国的三个大型城市的空气污染数据,对提出的污染早期预警系统的性能进行验证,实验结果表明,我们提出的预警系统在三个研究地区的实验中表现出预测精度高、评估结果准确等良好的性能。