空气污染监测对公众健康至关重要。臭氧是一种空气污染物，由于它是由空气中复杂的化学反应引起的二次污染物，不会直接排放到大气中，因此要正确分析臭氧极为困难。许多环境研究证实，臭氧浓度水平与气象条件有关，长期接触高浓度臭氧与许多疾病的发病率有关，包括哮喘、呼吸系统疾病和心血管疾病。因此，开发一个空气污染监测系统以收集空气污染和气象数据，并随着时间的推移不断监测数据，这一点非常重要。为此，统计过程控制（SPC）图表提供了一个主要的统计工具。但是，大多数现有的SPC图都是为假设不同时间的控制过程观测值是独立且相同分布的情况而设计的。由于串行数据的相关性、高维性、季节性以及其他复杂的数据结构，空气污染和气象数据无法满足这些条件。受休斯顿-加尔维斯顿-布拉索利亚（HGB）地区地面臭氧浓度监测应用的启发，我们开发了一种使用主成分分析和序贯学习的新过程监测方法。新方法可以适应高维、时变的IC过程分布、串行数据相关性和非参数数据分布。它是一种可靠的空气质量在线监测分析工具。