本文通过对2010年到2014年北京市pm2.5数据进行相应的数据分析，首先将导入数据进行数据清洗，得到本论文想要数据集。其次，探究影响细微颗粒物pm2.5浓度值的关键因素，详细分析pm2.5与影响因素之间的相关性，同时又考虑到本数据是时间序列，前一小时会对后一小时数据集产生较大影响，所以在最后的lasso回归模型中我们加入了前期对后期影响，作为因变量，并做变量选择，建立回归模型。最后，通过对该数据分析得到一些pm2.5浓度值变化的规律以及可以实现前一小时相关指标来预测后一小时pm2.5浓度值。