近年来,PM2.5已经严重影响到了人们的生活和出行,大气环境污染问题较为严重。我国一些大中型城市的年均PM2.5浓度已经远远高于世界卫生组织环境空气质量的指导值10ug/m3,使得患心血管和呼吸系统疾病的人逐年增加。PM2.5作为形成雾霾的主要污染物,已成为城市大气污染治理的首要目标。因此,研究PM2.5的变化趋势,掌握其变化规律,建立合理精确的预测模型,对其进行短期预测,不仅能提醒人们及时采取有效措施,保护身体健康。而且对调控一些社会活动和对重度环境污染带来的危害进行提前预警具有一定的现实意义。本文以构建合理的PM2.5预测模型为目的,采用整体经验模态分解法对北京市PM2.5时间序列进行处理,研究了北京市PM2.5的波动规律及其周期性变化。首先,采用整体经验模态分解(EEMD)方法对PM2.5数据进行分解,对PM2.5的变化趋势、波动和周期性变化进行分析;其次,运用主成分分析回归(PCR)方法、支持向量机回归(SVR)的预测方法、自回归滑动平均(ARIMA)的方法、随机森林(RF)回归等方法对北京市PM2.5进行短期预测;最后,提出基于整体经验模态分解和随机森林的PM2.5预测方法,即通过对北京市PM2.5数据进行EEMD分解,对分解后得到的固有模态函数和PM2.5的影响因子进行随机森林建模。通过比较ARMA、SVR、PCR、RF和EEMD-RF这五种方法对PM2.5预测的精确度,以探究最佳的PM2.5预测模型。