随着城市规模的日益扩大和人们生活质量的提升,各种污染物的排放也逐渐增加,出现了许多环境污染问题,空气质量逐渐成为了人们关注的话题,准确预测空气质量指数（AQI）是解决空气污染问题的关键前提。然而,空气质量指数的非线性变化取决于多种因素,在以往对于空气质量预测的研究中,通常没有对冗余的特征进行处理,数据对预测模型的影响也很少考虑。本文从数据本身出发,考虑特征的相关度和冗余度,对空气质量预测模型进行研究,主要工作如下。首先,本文根据监测站的经纬度,将气象数据和空气质量数据进行拼接,形成完整的数据集。在计算所有特征的相关度和冗余度的基础上,将相关度和冗余度结合成新的特征筛选指标,提出基于嵌入式的去冗余特征提取算法。其次,针对AQI预测的不确定性,将数据分类方法和自然梯度提升有机地结合,改进自然梯度提升模型,提出了一种基于AQI分布图的数据分类方法,该方法将各类有标签数据分别构建自然梯度提升模型,再通过所属的自然梯度提升模型进行预测,并把结果进行汇总。再次,结合Spark大数据框架,建立了并行空气质量预测模型,设计了空气质量预测模型并行算法。由于各类数据建立的自然梯度提升模型之间相互独立,所以模型可以在分布式节点上并行计算,且自然梯度提升的基础模型为决策树,进一步地提高了并行性,并缓解了自然梯度提升在数据量较大情况下泛化能力减弱的问题,还提升了计算效率。最后,在伪分布式节点上进行实验,验证了本文所提模型和算法的有效性,并与其他算法进行了对比实验和结果分析。