Este estudio evalúa sistemáticamente la fiabilidad de los datos de monitoreo de PM2.5 en las principales áreas urbanas, utilizando un conjunto de datos integral que abarca 283 ciudades en China durante un período de siete años. Al utilizar la Ley de Benford, análisis de regresión robusta y varios métodos de aprendizaje automático, como Árboles de Aumento de Gradiente y Bosques Aleatorios, la fiabilidad general de los datos de monitoreo de PM2.5 en China es alta. Estos modelos capturaron eficazmente patrones complejos y detectaron anomalías relacionadas tanto con factores ambientales naturales como socioeconómicos, así como posibles manipulaciones de datos. Basado en los modelos integrados, la proporción de anomalías en los datos de monitoreo de concentración de PM2.5 en 283 ciudades de China desde 2015 hasta 2022 fue inferior al 2%, lo que indica fuertemente la fiabilidad general de los datos de monitoreo de concentración de PM2.5 en China. Además, los modelos de aprendizaje automático proporcionaron un ranking de la importancia de diferentes variables que afectan las concentraciones de PM2.5, ofreciendo una base científica para comprender los factores que impulsan los datos. Las tres variables que tienen el mayor impacto en las concentraciones de PM2.5 son la densidad de población, la temperatura media y la humedad relativa. Al comparar con otros estudios relacionados, validamos aún más nuestros hallazgos. En general, este estudio proporciona nuevos métodos y perspectivas para comprender y evaluar la fiabilidad de los datos de PM2.5 en China, sentando una base sólida para futuras investigaciones.