雾霾不但给人们的生活、工作带来了严重的影响,还对我国可持续发展战略产生负面影响。PM2.5作为雾霾的主要因素引起了人们的广泛关注,成为近年来的研究热点。对PM2.5的准确预测,不仅可以让人们做好防护准备,而且能为相关部门提供治理依据。本文针对PM2.5热点问题进行研究,旨在获得一种基于深度森林的PM2.5浓度等级预测方法。主要内容如下:(1)本文以黄岛区PM2.5、环境、气象因素为研究目标,通过python爬虫获取了2014至2019年六年的PM2.5实验数据,包括污染物(PM2.5、PM10、NO2、SO2、CO、O3)、气象条件(风力、湿度、降水量、温度)及相邻站点的PM2.5浓度数据,实现了数据的高效获取及存储功能,并通过数据预处理的方法,增强了数据集的完整性和一致性。(2)通过分析PM2.5在多尺度上的浓度变化规律与其他特征因子之间的关系,首先,研究黄岛站点与周围其他站点PM2.5浓度的时空关联性。其次,利用时间后滞互相关对PM2.5与各影响因子在时间序列上的后滞性进行分析。最后,运用单变量特征选择法对特征因子进行筛选,筛选出特征值共9项,包括PM10、NO2、SO2、CO、温度以及李沧子区站、城阳子区站、四方子区站、仰口区子站的PM2.5浓度值,并构成时间序列数据集。(3)根据时间序列数据构建了基于随机森林以及基于深度森林的PM2.5浓度等级预测模型,通过精确率、召回率、F1-Score与kappa系数四方面对模型进行评估,同神经网络进行比较。结果表明:基于深度森林的PM2.5浓度等级预测模型具有较好的预测精度。