【摘要】为提高短期空气质量预测(SAQF)水平，合理预测空气质量指数(AQI),本研究基于全国495个城市的气象数据，运用PSO-SVR算法构建了一种新的混合预测模型。混合PSO-SVR不仅对数据进行了非等权的降维处理，又兼顾了数据的非线性特征，研究结果表明构建的非等权聚类混合PSO-SVR模型输出结果的RMSE和MAPE平均值优于传统SVR,GA-SVR,BPNN,XGBoost和LSTM模型，验证了本研究提出的模型优越性及带来的研究价值；探究经济社会环境中工业化和城市化因素对AQI造成的影响，统计9个城市空气质量预测误差率在10%以内的占比超过了70%,进一步验证该模型可提高空气质量的预测精度，从而使空气质量指数更好地服务政府管理者和城市居民等相关群体。