PM2.5是空气中的主要污染物,它作为空气质量的一项重要指标,已受到人们的广泛关注。北京作为中国的首都,经济快速发展的同时,也出现了具有代表性的城市大气环境污染问题。本文选取北京地区环境空气质量数据为研究对象,将北京的空气质量时间序列映射到复杂网络,从复杂网络的拓扑特性更深入的探究空气质量时间序列的内在特性。本文的研究工作主要包括以下两个方面:(1)基于相关系数网络的空气质量时间序列分析。以北京八个监测点的空气质量数据作为研究样本,将空气质量时间序列采用相空间重构的方法,转换成相空间的相点,从而形成复杂网络的节点。相空间中的最优的延迟时间与嵌入维数利用C-C算法来确定。利用相关系数法,通过设定临界阈值rc的值,确定相点之间的连接,并作为复杂网络的边。从而将空气质量时间序列映射到无边无权的复杂网络。通过对不同临界阈值rc构建的复杂网络的三个拓扑特性(度分布,平均聚类系数和模块化)的分析与比较,得到最优的邻接阈值。最终确定空气质量的最优相关系数网络。以最优复杂网络的拓扑特性作为聚类变量,利用K-means聚类分析法,得到北京空气质量时间序列的三类聚类结果。对于每一个聚类中的监测点,结合它们的自然地理特征,揭示影响空气质量的主要因素。(2)空气质量的可视图网络。基于可视图算法,我们将北京八个监测点两年的的空气质量时间序列映射到复杂网络,得到网络的拓扑特征,发现所得网络拓扑特性与相关系数网络有不同的拓扑特性。将怀柔镇五年的空气质量时间序列,映射到可视图网络。借助可视图网络,分析网络中度值较大节点形成的原因,揭示可视图网络的社团结构。通过探究复杂网络的小世界特性,发现怀柔镇五年的空气质量时间序列都具有良好的小世界特性,并且2013年空气质量相应的网络具有最明显的小世界特性。