随着我国经济的快速发展,工业生产和人类活动产生的环境污染问题日益严重。过去,人们对环境质量的关注点主要集中在室外。随着新型冠状病毒肺炎（Corona Virus Disease 2019,COVID-19）全球大流行,人们80%以上的时间在室内度过,室内环境给人们的生活和身体健康带来了严重的影响。因此,有必要对室内环境质量进行监测,来了解各环境因素的污染水平,并且采用评估方法对室内环境质量进行评价和预测,来确定污染等级以及采取防范措施,这对于保护室内人员的健康具有重要意义。本文以学校教室和宿舍为背景,开展室内环境质量的监测、评价及预测研究。主要研究内容如下:针对传统模糊综合评价算法在权重赋值方面过于主观或客观的缺点,构建了基于组合赋权方式的改进模糊综合评价算法。通过教室内的实测数据,使用改进的模糊综合评价算法进行了环境质量评价,并以主观问卷调查结果为基准,与传统模糊综合评价算法进行了对比。结果表明,改进的模糊综合评价算法的准确性更高,评价结果更加符合室内人员的感受。在利用改进模糊综合评价算法计算环境质量评价得分的基础上,构建了CEEMDAN-PCA-LSTM模型对室内环境质量进行预测。以宿舍室内环境为研究对象,首先通过自适应噪声完备集成经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）对环境质量评价得分时间序列进行预处理,然后利用主成分分析（Principal Component Analysis,PCA）进行特征提取,最后将提取的主成分作为长短期记忆（Long Short-Term Memory,LSTM）神经网络的输入,对未来一个时刻的室内环境质量评价得分进行了预测。通过与其它模型的对比,表明了本文所构建的CEEMDAN-PCA-LSTM模型预测精度更高,预测效果更好。基于消息队列遥测传输（Message Queuing Telemetry Transport,MQTT）通讯协议搭建MQTT服务器并开发MQTT客户端,实现对环境监测设备所采集数据的接收和存储。利用前后端和数据库技术,开发了用于室内环境质量监测、评价及预测的Web系统,实现实时数据监测、历史数据查询、环境质量评价及预测、邮件及短信报警推送功能。最后,系统被部署在阿里云服务器,实现了远程访问。