近年来随着武汉市工业、农业以及化工和制造业的推进,城市化水平也在不断提高,由此带来的空气质量问题也逐渐成为人们最为关注的重点。因此在生活中不仅需要空气质量监测系统的建立,更需要从科学的角度去完善这一具有综合性的空气质量预测体系。本文在对国内外相关内容的研究成果进行梳理的同时,以武汉市空气质量为研究目标采用统计学习方法进行分析。主要的研究工作包括如下三个部分。第一,将传统的灰色关联度分析方法与衡量样本重要性的方法（Topsis）进行耦合,突破原有对样本等权处理的局限性,其次利用污染源分析法选取气象因素、经济和社会发展、产业结构等6个类别作为影响空气质量的因素,研究结果显示能源消耗量和城市总人口的重要性权重最大;在武汉市空气质量的主要影响因素方面,年平均气温、城市总人口、年平均降水和人均公共绿地面积对其影响最为突出。第二,考虑到空气质量在空间上的分布会存在差异性和相似性,本文将利用武汉市国家环境空气质量监测点所收集的SO₂、NO₂、O₃和PM₁₀四种污染物的日监测数据,采用Spearman趋势检验法和函数型主成分分析从时空的角度对其进行分析。结果表明:除了臭氧以外,其它污染物的浓度整体上呈现下降的趋势,其中青山区、武昌区以及东西湖区的东南部臭氧的浓度增长较快;其次武汉市空气质量存在明显的季节效应,即空气污染主要集中在春冬两个季节,其中青山区和东西湖区空气质量较差,新洲区、江夏区、江汉区和汉南区的空气质量最好。第三,基于本文数据特征,以六个等级的空气质量为分析目标构建XGBoost模型,并利用PDPBox方法得出各个影响因素与空气质量等级的作用机制。结果显示:模型的各个评价指标均显示良好,可以将构建的模型应用到空气质量预警当中;其次,空气质量易受PM₁₀浓度的影响,而空气质量的变化对臭氧的浓度的变化具有一定的鲁棒性;最后,研究发现可以将空气中的二氧化硫的浓度为10?g/m^-3,臭氧的浓度为95?g/m^-3,PM₁₀的浓度为59?g/m^-3,作为空气质量等级由“良”向“轻度污染”转变的重要观测点。