空气污染是全球性问题,不仅直接影响环境和人类健康,而且通过改变大气辐射收支影响区域乃至全球气候,造成广泛又严重的不利影响。我国空气污染问题也很突出,为此政府高度重视防控工作,从环境管理、科学研究等方面启动了一系列计划,重点关注空气污染成因及治理、预报预警技术、人群健康影响等。深入开展空气污染预报、大气环境影响评估等研究具有重要应用价值。近年来随着计算能力和数据量的飞速增长,人工智能得到迅猛发展并被成功应用于多个领域。引入先进的人工智能方法研究空气污染问题,可为空气污染研究提供新的思路和手段。空气污染和人工智能是当前科学研究的热点问题,以“空气污染预报预警”为交集,探索两者的交叉研究无疑具有重要的理论意义和应用价值。目前相关研究刚起步,还有很大提升空间。污染物浓度序列高度波动,单一机器学习模型数据挖掘能力不足,需考虑如何提升预报性能;现有研究往往针对单一污染物建模,不仅限制了应用,而且对模型的检验也不充分;空气质量评价、大气环境影响评估也存在较多问题,制约了空气污染防控的针对性、有效性。本文针对上述问题,基于人工智能技术建立了一套完整的空气质量决策支持系统,包括空气质量预报、空气质量评价和大气环境影响评估三个模型子系统。实验结果表明预报模型具有较好的预报性能,评价和评估模型能提供准确的污染信息和决策支持,显示了良好的应用前景。主要研究结果如下:（1）引入传统机器学习方法,建立了空气质量预报机器学习组合模型ICEEMDAN-WOA-ELM,弥补以往模型预报能力的不足。首先,预处理模块应用三次样条插值处理污染物浓度数据的缺失值;然后,预报模块应用改进的完全自适应集合经验模态分解将原始序列分解为多个本征模态函数,每个本征模态函数被鲸鱼优化算法优化后的极限学习机学习和预报,合成全部预报结果得到最终预报结果;最后,评估模块应用5种统计评估指标评估模型预报性能。模拟实验测试了模型对京津冀地区6种常规空气污染物日均浓度的单步预报性能,结果表明:ICEEMDAN-WOA-ELM对所有评估城市和污染物的预报性能均优于常用的差分整合移动平均自回归模型、广义回归神经网络、极限学习机等其他基准模型;信号分解算法和优化算法能显著提升人工神经网络的性能。（2）进一步应用先进的深度学习方法并融合污染源和气象特征,建立了空气质量预报深度学习组合模型TSTM,提高了重污染天气预报精度。首先,特征工程模块应用期望最大化算法处理缺失数据和Min-Max算法对输入数据归一化,并基于领域知识、相关系数分析法和滑动时间窗口算法完成特征的选择和构建;然后,预报模块应用模型CNN-Bi LSTM-Attention分别学习、预报污染源特征和气象特征并通过模型Conv LSTM融合得到最终预报结果;最后,性能评估模块从污染物浓度预报,空气质量预报和重污染天气预报3个方面详细评估了模型性能。模拟实验测试了模型对京津冀大气污染传输通道（“2+26”城市）6种常规空气污染物小时浓度的多步预报性能,结果表明:TSTM对污染物浓度、空气质量和重污染天气的预报精度优于常用的径向基函数、深度信念网络、Elman神经网络等其他基准模型;在2个独立测试集上的结果相似,TSTM具有良好的鲁棒性和泛化能力。（3）针对空气质量指数的不足,基于模糊数学建立了空气质量模糊数学综合评价模型AQFCE,有效提高评价和预警能力。首先,预处理模块针对污染物浓度的缺失数据/倒挂数据应用最小二乘分段多项式拟合/线性回归算法进行处理;然后,评价模块应用隶属度、因子权重、模糊算子等理念并提出新的计算格点和赋权算法,得到首要污染物、相对危险度、空气质量级别等重要信息;最后,预警模块根据评价结果发布详细的空气污染预警信息。模拟实验在不同的空间、时间、任务和目标下对比分析了空气质量指数和AQFCE的评价结果,结果表明:AQFCE能准确评价空气质量状况并反映污染趋势;2种方法对日报的评价结果接近,AQFCE的综合策略更合理;AQFCE能弥补空气质量指数受残缺标准影响、小时报存在问题甚至自相矛盾的不足,提供客观有效评价。（4）基于统计学习建立了系统的大气环境影响评估模型PDHE,分层次揭示空气污染对环境和人体健康的影响,支撑政府污染治理决策。首先,在国家层次,基于Spearman秩相关系数法评估空气质量综合状况的变化趋势和污染治理政策效力;接着,在省级层次,应用提出的空气污染灾害风险指数APDRI评估各省份灾害风险的趋势、级别和驱动因子;然后,在城市层次,应用健康风险评估通用模型评估归因于空气污染暴露的健康终点发生数;最后,根据健康风险评估结果,综合应用统计生命价值法、疾病成本法和效益转换法估算相应的经济损失。模拟实验对中国内地2015-2019年PM2.5进行了环境影响评估,结果表明:在防控政策的有效实施情形下,空气质量综合状况明显好转,工业源和生活源是PM2.5主要排放源;灾害风险总体呈下降趋势,但区域差异较大;归因于PM2.5暴露的疾病负担较重,PM2.5浓度和人口密度是健康风险主要原因,经济欠发达地区的经济损失通常更重。