随着工业化和城市化步伐的加快,能源消耗迅速增加,大气污染问题日益严重。大气污染整体呈现氧化性强、二次污染问题严重的特征,煤烟型污染、汽车尾气污染及有机气体的光化学污染的共存和相互耦合叠加,造成我国大气污染呈现区域性、复合性、长期性的特征。国家和各级政府高度重视污染治理,对环境监测能力提出了更高的要求。然而当前空气质量监测系统存在着针对性不强、缺乏有效的数据分析等问题,无法满足现代环境监测的需要。针对该问题,本文在前人研究的基础上设计并实现了一个大气复合污染自动监测系统,以满足有关环保部门的需要。本文的主要研究内容包括以下几点:(1)提出了一种基于KNN-LSTM的PM2.5浓度预测模型。本文利用LSTM模型具有时间记忆的特点,充分挖掘目标站点时间序列数据中的时间特征,并在此基础上利用KNN算法对邻近的空间因素进行筛选,作为额外输入,对LSTM模型进行修正。通过与传统神经网络预测模型的预测结果进行对比显示:模型在均方根误差和平均绝对误差两个指标上,取得了更好的效果,证明了本文所提模型的有效性。(2)设计了一个大气复合污染自动监测系统。介绍了系统的整体架构和所需要的大气污染相关理论与系统相关技术,通过详细的需求分析,对系统分层处理,并对数据库和相关接口进行设计等。(3)系统的实现与测试。实现系统的主要功能模块,从功能、性能、兼容性、用户友好性等方面进行了具体的测试,并记录成文档。通过严格的测试,保证系统的可靠运行。运行结果表明,大气复合污染自动监测系统在一定程度上能够为环保部门分析污染成因,制定相关污染防治政策提供了科技支撑,对改善空气质量起到积极的作用。