近几年来,哈尔滨市重污染天气频发,备受群众关心、社会关注、政府关切,然而空气环境质量实时数据的获取,远远不能满足预测式预警的环境空气质量管理要求,大气污染的来源预测难度大且精度低。因此,基于目前积累的大量空气质量监测数据,采取科学有效方法来分析、预测空气质量是很有必要的。本文以哈尔滨市为研究对象,根据2013年-2016年哈尔滨市空气自动监测点位监测数据和同期常规地面气象数据,利用BP神经网络,建立预测哈尔滨市空气质量的模型,并运用此模型进而来预测2016年夏、冬两个季节的空气质量。首先,本文介绍了在空气质量预测方面主要采用的预测方法,并分析比对了各个方法使用的前提、优点和不足。随后确定选取BP神经网络方法,并阐述了该方法进行空气质量预测的样本选择、训练步骤和实现过程等具体内容。其次,本文分析了2013年-2016年6项污染物的年度变化情况,以及2015年1-12月PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃浓度的月变化规律。得出2013年至2016年二氧化硫年均浓度位于0.028至0.057之间,一氧化碳24小时平均浓度位于1.3至1.7之间,以上2项指标均低于国家二级标准;二氧化氮年均浓度位于0.044至0.056之间,PM₁₀年均浓度位于0.074至0.119之间,PM_2.5年均浓度位于0.052至0.081之间,臭氧日最大8小时平均浓度年均值位于0.061值0.092之间,以上4项指标均高于国家二级标准。2015年全年,PM_2.5浓度较高;NO₂浓度全年有8个月超标;除11月外,PM₁₀浓度均低于国家二级标准;CO、臭氧浓度均低于国家一级标准;SO₂浓度均低于国家二级标准。第三,基于2015年PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃6个污染物浓度数据和最高温度、风向、风速3个气象数据,运用SPSS软件分析了9种因子之间的关系,得到这9种污染物与AQI之间的相关系数分别为0.967、0.982、0.596、0.853、0.849、-0.304、-0.504、0.057、-0.179,得出PM₁₀因子与AQI相关作用相对最显著,风向因子与AQI相关作用相对最不显著。最终得出PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃、最高温度、风速8个因子与AQI之间相关显著,因此需要根据以上8个因子对哈尔滨市空气质量进行预测。最后,基于哈尔滨市2015年全年空气质量日报和气象日报的数据,运用BP神经网络建立了哈尔滨市空气质量AQI指数预测模型。运用此模型根据2016年6-8月和2016年12月-2017年2月每日8个因子数据,预测了期间的AQI指数。通过与实际监测值对比,AQI指数预测中,在训练数据方面可接受率为100%,在测试结果方面可接受率为98.9%,该结果验证了BP神经网络经过有效训练后,在哈尔滨市空气质量预报的应用上具有良好的泛化能力和较高的预测精度。