利用天津市梁庄子站(森林区)、市区站(居民区)2019年6月至2022年12月的负氧离子浓度数据、气象、环境要素数据,分析逐日负氧离子浓度不同时间尺度上的变化特征及其与不同要素之间的关系,并利用机器学习方法构建最优预测模型。结果表明:(1)森林区和居民区负氧离子浓度呈“一峰一谷”型日变化特征;森林区存在“两峰一谷”型月变化特征而居民区不明显。(2)森林区负氧离子浓度为春季=冬季>秋季>夏季;居民区为夏季>春季>秋季>冬季。(3)居民区负氧离子浓度明显低于森林区,不同区域存在不同的影响要素。(4)随机森林法更适用于森林区逐日负氧离子浓度预测模型的构建;随机梯度下降法更适用于居民区。