近年来,随着我国社会的进步和经济的发展,城市化和工业化的进程在不断的加快。然而伴随着经济快速发展而来的是我国因高能耗低产出的粗放式发展模式所引发的环境污染问题,尤其是近几年频繁发生的空气污染事件。空气污染不但危害人们的身体健康,给人们的日常生活带来不便,而且制约了人类的生存和社会的发展。因此了解空气污染的扩散迁移规律,通过有效的方法进行空气污染的扩散分析和空气污染的预测是环境部门与机构进行空气污染监管防控和辅助决策的重要的研究内容。大气污染扩散模型是一种根据污染物扩散迁移规律,通过污染源排放当量和当时的气象数据模拟空气污染物扩散的复杂的数学模型。运用大气污染扩散模型计算得到的结果通常是数据文本,不方便可视化和分析决策。而GIS具有强大的空间数据可视化以及空间分析功能。所以将两者有效的结合可以更好的对空气污染扩散进行模拟、预测、分析和展示。本文在对国内外研究现状分析的基础上,深入的分析了影响大气扩散的主要因素,研究了高斯扩散模型、BP神经网络等数学理论,分析了扩散模型参数的确定方法;采用自适应学习率对BP神经网络进行了改进,优化了 BP神经网络学习率,加快BP神经网络的学习速率;探讨了空气污染分析和GIS结合的方法,运用GIS技术进行污染扩散边界和初始条件的确定,进行空气污染数据的处理、空间分析,采用空间插值方法进行污染数据处理结果的可视化表达。最后采用ArcGIS Engine组件技术,基于.NET和Visual Studio集成开发环境研发了空气污染扩散与预测系统,实现了空气污染数据的处理、查询统计、空气污染扩散模拟、基于BP神经网络的空气预测污染预测等功能。有效的实现了对空气污染数据的存储、管理、分析和可视化表达。本研究整合了 GIS和空气污染扩散与预测模型,初步试验证明可以有效地对空气污染进行模拟和预测,为环保部部门和机构对空气污染的治理和研究提供技术支持和辅助决策。