北京作为中国的首都,其综合发展水平远超国内其他城市,是中国的门面和标杆。但是近些年,由于雾霾等多种因素影响,北京的空气质量水平一直差强人意,且一直受到国际的广泛关注。本文基于当前北京市气象数据以及大气污染物数据,对北京市的空气质量展开了研究。这一研究为北京市相关部门有效监控空气质量,及时发布预警信息,以及制定相应的污染防控、改善空气质量政策并实施相应措施提供了参考。基于这些目的,本文对北京市空气质量做了以下研究:首先,对选定研究所需指标变量,通过爬虫获取变量数据,并进行数据预处理。其次,通过对变量作统计分析,了解目前北京市空气质量的变化趋势以及变量之间的相关程度,为空气质量指数预测奠定基础。再是建立北京市空气质量指数的预测模型,包括基础模型:XGBoost、随机森林和BP神经网络。随后,利用基础模型研究成果,建立三大基础模型的混合模型XGBoost-RF-BPNN模型,并对北京市AQI进行预测研究,并依据模型拟合效果的评价指标:均方根误差RMSE、平均绝对百分误差MAPE、拟合优度R~2对混合模型XGBoost-RF-BPNN进行评价并与基础模型比较,得出该模型相比于其他机器学习方法预测精度更高且拟合效果更好。然后是对北京市的空气质量等级进行预测:依据空气质量等级的划分原则,利用XGBoost-RF-BPNN模型得出的北京市空气质量指数预测值判定该模型预测出的北京市空气质量等级,然后通过计算等级预测错误率判定混合模型的空气质量等级预测效果。得出混合模型XGBoost-RF-BPNN在北京市空气质量等级预测上也有着较好的表现。根据上述模型的预测研究结果,总结出了北京市的空气质量主要影响因素为PM2.5、PM10、O3以及50米风速差。结合现实,为改善当前北京市空气质量,本文提出部分理论建议。例如,当前北京市环境生态局实施的重点措施“协同控制PM2.5和O3污染”可以同冬季PM10的“削峰”治理这一新思路相结合,使得北京市的空气质量得到全面改善。且各项治理措施的实施可依据细化时间块,按不同季节针对性地治理当季主要污染物更具合理性等等。这能为北京市科学规划治理,创建宜居环境、建设智慧城市提供参考。