写一个空气质量模型

好的，以下是一个简单的空气质量模型的Python代码示例：

import pandas as pd
from sklearn.linear_model import LinearRegression

# 读取历史数据
data = pd.read_csv('air_quality_data.csv')

# 确定自变量和因变量
X = data[['Temperature', 'Humidity', 'Wind_Speed', 'PM2.5']]
y = data['Air_Quality']

# 建立线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X, y)

# 预测空气质量
new_data = pd.DataFrame({'Temperature': [20], 'Humidity': [55], 'Wind_Speed': [1.5], 'PM2.5': [35]})
prediction = model.predict(new_data)

print('预测的空气质量为：', prediction)

上述代码中，我们使用了线性回归算法建立模型，并使用历史数据训练模型。自变量包括气温、湿度、风速和PM2.5浓度，因变量为空气质量。最后，我们用新的自变量值来预测空气质量，输出预测结果。需要注意的是，这只是一个简单的示例模型，实际应用中需要考虑更多的因素和复杂的算法。