随着空气污染情况越发严重,PM2.5等空气质量指标已经引起了人们的广泛关注。为了实时监测空气质量,政府部门、企业部署了大量的空气质量监测仪器,这些仪器会实时产生数据,但是由于各种网络传输错误原因,部分数据并没有记录到中央服务器的数据库中。数据的丢失会给查询相关数据以及之后的数据分析带来极大困难。如何恢复丢失数据是非常有意义的。本文主要研究PM2.5无线传感器数据库丢失数据的恢复。传感器网络数据丢失已经引起了广泛的关注,一些无线网传感器网络数据恢复算法已经被提出。然而,这些算法往往只恢复数值,这样有可能带来较大的误差,在某些应用场景,恢复数据的期望值或者概率分布要比只恢复数值更有意义。并且对于大部分已有的无线传感器网络数据恢复算法,其算法基本依赖于数据的低秩性与稀疏性。对于PM2.5,由于其布置地点的环境复杂性,其数据往往不符合低秩性。本文针对PM2.5数据的特性,给出了两种应用环境下PM2.5数据恢复方法。针对少量部署情况,我们从实验中发现如下性质：PM2.5在一定长度时间内符合高斯分布其随时间采样不具有低秩性；经过滑动窗口采样,我们发现其分布参数亦不低秩；针对上述数据特性,我们发现了适用于分布参数局部低秩的距离：Tanimoto_coefficient和e_cosine_coefficient,提出了相应的基于矩阵分解的协同过滤方法。针对大量部署情况,我们实验证明在一段时间内PM2.5具有一般低秩性,我们提出了一种热启动、快速的带有时间平滑约束的恢复算法。实验表明我们提出的算法相比传统的矩阵分解算法是准确的,有效的。