日益严重的空气污染, 严重影响日常生产生活. 因此, 亟 需对空气质量进行预测. 为了实现高效、科学的预测, 需准确地选择出 空气质量数据集中的关键影响因素, 故提出了基于烟花进化人工鱼群算 法和多重分形的属性选择方法, 并应用于空气质量预测中. 首先, 采用 混沌初始化方式生成初始种群, 对人工鱼群算法进行离散化改进, 并引 入烟花进化机制, 提出烟花进化人工鱼群算法(FEAFSA), 提高算法的搜 索效率; 其次, 融合FEAFSA 和多重分形维数 (MFD), 对空气质量数据 集进行属性选择, 约简冗余、不相关属性, 保留空气质量关键属性; 最 后, 在8 个UCI 数据集上的实验结果表明, 相较于其他属性选择方法, 其能 有效剔除冗余因素, 性能更优, 同时表明其有效性、稳定性和显著性. 在进 行性能测试之后, 将其应用于北京、上海和广州地区的空气质量等级和指数 预测中, 取得了良好的预测效果.