为提升大气SO2浓度预测精度，以陕西省西安市长安区2014—2024年的SO2与气象观测数据为基础，经数据预处理和特征选择，提取了气压、温度、湿度、降水量等气象因素及其滞后特征。数据按照8:2的比例分为建模集与测试集，构建了7类单一模型并采用堆叠集成和加权集成方法进行优化。通过五折交叉验证评估模型，结果表明加权集成模型在验证集上决定系数为0875、均方根误差为74 μg/m3、平均绝对误差为41 μg/m3，明显优于单一模型。随机森林在训练集上表现最佳，而K近邻在验证集上的表现较差。综合评估结果显示，集成学习方法能够有效提升SO2浓度的预测精度，为区域环境监测与空气质量管理提供可靠的科学依据，具有广泛的实际应用价值。