大气污染已成为当前社会备受关注的问题,它不仅危害着人们的身体健康,还给世界的自然环境带来了不可逆的伤害。大气污染主要是由人类活动造成的,其生成的主要污染物正在逐步增加。现在个环保局都在监测污染物的数据,因为我们可以利用污染物的监测数据更好的制定环保方案。可见,污染物的数据是十分重要的。本文正是由此提出的,使用从天津市环境保护局取得的天津市大气污染时事数据作为基础,利用污染物之间的关系,横向的对缺失部分数据进行预测补充。并在Matalab环境下进行试验,主要完成以下主要工作:(1)参考相关文献,对大气污染与数据的分析预测方法进行调查研究,证明本文所提出研究内容的优势;(2)对数据预处理,并选取SVM算法对数据进行预测训练,研究预测精确度;(3)利用PSO算法进行参数优化,期望进一步提高其准确度,并给出直观误差图以供参考。本文研究的优点是,1.不同于通常的纵向预测,特别提出利用污染物之间的关系横向预测缺失的部分数据,即六个污染物数据,利用其中5个补充预测第6个污染物值。2.利用PSO优化SVM在大气污染中应用,在减少人为参与计算的同时大大提高的预测数据的精度。最后,通过对真实的大气污染数据进行实验,证明了方法的有效性。