Con el rápido desarrollo de la economía y la mejora continua de los estándares de vida de las personas, las predicciones del índice de calidad del aire han atraído una amplia atención. En este artículo, se propuso un nuevo método de selección de características (Pearson-MI) y un método de construcción de modelos combinados (método de varianza inversa modificada) para estudiar el índice de calidad del aire (AQI) y sus factores influyentes en Changchun. El método Pearson-MI selecciona los factores que afectan el AQI de la ciudad de Changchun entre muchos factores influyentes. Este método reduce el RMSE del modelo LSTM y del modelo XGBoost en un 27% y un 5% y el MAE en un 41% y un 5%, respectivamente. Se construyó un modelo que combina XGBoost, SVR, RF y LSTM utilizando el método de varianza inversa para predecir el índice de calidad del aire de la ciudad de Changchun. El modelo combinado modificado resultó en una reducción del 2% en RMSE y una reducción del 0.6% en MAE en comparación con el modelo combinado no modificado. Los resultados numéricos de nuestro estudio muestran que la precisión de predicción del modelo combinado modificado es claramente superior a la del modelo básico, y la precisión de predicción se mejora aún más bajo la selección de características Pearson-MI.