我国的雾霾研究大都是从2011年美国大使馆公布Pm2.5数据之后开始的。近年来雾霾在华北地区呈辐射性扩散。我国长三角地区也属于雾霾重度污染地区。只要空气回暖气压降低,就会有大面积的雾霾现象出现。应用数据挖掘算法实现对雾霾的预警预测成为降低雾霾危害的有效手段。1.本文对影响Pm2.5浓度的因素进行了描述性分析和选择,包括主成分分析和随机森林特征排序法,最后选择了 5个影响最大的变量建立预测模型,包括风速、风向、气压、湿度和温度值。2.通过数据验证比较了多元回归、逻辑回归、时间序列、Adaboost算法和Xgboost算法5个常用模型。根据整体的预测效果和稳定性,选择了 Xgboost算法作为本文研究预测雾霾的模型。3.详细介绍了 Xgboost算法的目标函数及其处理过程。在使用Xgboost算法建立模型时对训练数据进行了异常值处理和特征离散化处理,并通过调整目标函数,使得模型的预测AUC得分增长了 0.05,提升了分类准确率,并对算法的收敛性进行了分析。通过运用改进后的Xgboost算法模型,实现了雾霾的精准预测。