Junto con el rápido desarrollo de las industrias y la aceleración de la urbanización, el problema de la contaminación del aire se está volviendo más serio. Explorar los factores relevantes que afectan la calidad del aire y predecir con precisión el índice de calidad del aire son significativos para mejorar la calidad ambiental general y realizar un desarrollo económico verde. Los algoritmos de aprendizaje automático y los modelos estadísticos se han utilizado ampliamente en la predicción de la calidad del aire y la evaluación de clasificaciones. En este artículo, basado en datos diarios de calidad del aire para la ciudad de Xi"an, China, desde el 1 de octubre de 2022 hasta el 30 de septiembre de 2023, construimos modelos de regresión de vectores de soporte (SVR), árboles de decisión de aumento de gradiente (GBDT), aumento de gradiente extremo (XGBoost), bosques aleatorios (RF), redes neuronales (NN) y memoria a corto y largo plazo (LSTM) para analizar la influencia del índice de calidad del aire para Xi"an y realizar pruebas comparativas. Los valores predichos y los intervalos de predicción del 95% del AQI para los próximos 15 días para Xi"an, China, se dan en función del algoritmo Bootstrap-XGBoost. Además, se construyen modelos de regresión logit ordinal y regresión probit ordinal para evaluar y predecir con precisión las clasificaciones del AQI de los datos del 1 al 15 de octubre de 2023 para Xi"an. Finalmente, este artículo propone algunas sugerencias y medidas de política basadas en los hallazgos de este trabajo.