随着各种工业过程中超细颗粒物的排放以及大气中二次形成的超细颗粒物与气溶胶等原因,大气中的可吸入颗粒物(PM10)逐渐成为成为全国大中城市的首要空气污染物,并严重影响城市生态环境及居民身体健康。探讨区域内PM10浓度在地理上的空间分布以及空间点模式具有重要的价值与现实意义。本文以甘肃省为研究区,以PM10为研究对象,利用甘肃省2016年夏季33个空气污染监测站点的六项空气指标(PM10, PM2.5, CO, NO2, 03,SO2)的75天的日数据进行建模研究。首先利用提出的基于Elman神经网络的平均影响值(MIV)的机器学习算法来确定其它五个空气指标对PM10的影响重要程度,筛选出其中对PM10影响最大的指标PM2.5,并且利用统计方法相关系数和散点图验证了该结论的正确性。然后分别利用普通克里金方法和以筛选出来的PM2.5为辅助变量的协同克里金方法对研究区每天的PM10进行插值,通过交叉验证的方式比较两种插值模型的精度。实验对比结果表明,协同克里金插值方法在插值精度上优于普通克里金,并且以协同克里金方法对研究区进行插值,以了解PM10的空间分布情况。最后,本文利用PM10浓度极大值点进行了空间点模式分析。利用协同克里金插值出来的75天的PM10空间分布,找出每天具有PM10浓度极大值的地理位置,将这些地理位置全部绘制在研究区内进行空间点模式分析。分析表明研究区夏季PM10的分布情况主要集中在城市人口密度大的区域,具有强烈的聚集性。