Para aliviar los efectos negativos de la contaminación del aire, este documento explora un modelo de predicción mixto de concentración de contaminantes basado en el método de aprendizaje automático. En primer lugar, para mejorar el rendimiento de predicción del algoritmo de búsqueda de gorriones y la máquina de soporte vectorial de mínimos cuadrados (SSA-LSSVM), se introduce una estrategia de aprendizaje inverso-principio de lente, y se obtiene una mejor solución al optimizar la solución actual y la solución inversa al mismo tiempo. En segundo lugar, de acuerdo con las características no lineales y no estacionarias de los datos de series temporales de y, se utiliza el método de descomposición de modo variacional (VMD) para descomponer los datos originales y obtener el valor K apropiado. Finalmente, se llevan a cabo verificaciones experimentales y un análisis empírico. En el experimento 1, verificamos el buen rendimiento del modelo en los conjuntos de datos del Repositorio de Aprendizaje Automático de la Universidad de California en Irvine (UCI). En el experimento 2, predijimos los datos de contaminantes de diferentes ciudades en la región de Beijing-Tianjin-Hebei en diferentes períodos de tiempo, y obtuvimos cinco resultados de error y los comparamos con seis otros algoritmos. Los resultados muestran que el método de predicción en este documento tiene buena robustez y se pueden obtener los resultados esperados bajo diferentes condiciones de predicción.