随着“雾霾”二字近几年在国内乃至国际热门话题中频繁出现,人们意识到一味追求工业飞速发展虽然暂时带来了社会的快速进步,但也要为此付出巨大的代价,而城市空气污染则是其中最为惨痛的代价之一。二氧化硫、一氧化碳和可吸入颗粒物等空气污染指数渐渐进入人们视线,也成为天气预报和人们出行的一项重要参考依据。目前,我国已经将环境污染治理作为一项基本国策来抓,开展了大规模的环境治理工作。如何有效利用监测数据对城市空气质量进行预测和分析,不仅能为人们出行提供有利的依据,同时也能为进一步采取相应措施控制污染提供坚实有力的帮助。山东省济南市目前已有16个站点来监测城市空气中污染物质量数据,经过近十年的积累,已经有了初具规模的数据可以作为我们对城市空气质量预测的重要信息来源。如何利用海量的数据尽量精确的预测城市空气质量,则是这次我们主要研究的问题。基于近些年神经网络在社会研究中的广泛应用及BP神经网络特有的处理线性不可分问题的能力,故本文采以使用最为广泛的BP神经网络为模型,以济南市泉城广场站点历史空气质量检测数据为样本,并将同一时间内的气压,温度,湿度,风速和风向等制约因素加以考虑,并根据现行环境空气质量标准GB3095-1996作为依据对城市空气质量预测问题进行研究。并针对BP神经网络自身存在的收敛速度慢,易陷入局部极小值等缺点提出了相应的GA和LM优化算法进行改进。最终由数据表明,经优化的BP神经网络应用于城市空气质量预测是切实可行的。