焊接技术在各个行业广泛应用,其作业过程中会产生大量的废气、烟尘等环境负荷。这些环境负荷不仅污染环境,还易对人身体健康造成危害。因此,有必要进一步采集焊接过程中所产生的环境负荷数据、分析焊接环境负荷特性,以减小焊接过程对环境、从业人员的危害。GTAW（Gas Tungsten Arc Welding,钨极氩弧焊）因其生产的焊缝质量高,是目前制造业中最广泛使用的焊接工艺之一,本文综合考虑各种焊接环境负荷排放特性,对GTAW焊接过程所中产生的CO2、NOx、O3、PM2.5、PM10进行收集工作,量化焊接排放数据,并研究其环境负荷排放规律与模型,力图降低焊接排放。本文研制焊接环境负荷排放数据采集系统,定量获取焊接环境负荷排放数据。焊接环境负荷排放采集系统由焊接工作台、检测仪器以及软件工具组成。焊接工作台提供一个密闭、自动的焊接环境,检测仪器采用各类传感器来检测焊接过程中排放物的浓度数据,焊接排放数据采集软件对检测仪器的数据进行接收、分析。其中焊接排放检测仪器与焊接排放数据采集软件通过串口通讯进行数据传输。目前,由于焊接环境负荷的易扩散性导致难以采集或采集数据不精确,无法完全采用实测手段,需要进一步建立相关模型来表征焊接环境的产生量。以GTAW为研究对象,在密闭环境下进行焊接排放数据获取工作。以正交实验法确定焊接环境负荷关键影响因素,探究焊接参数对焊接排放的影响规律,结果表明焊接排放关键影响因素为焊接电流、焊接时间、喷嘴高度。且焊接电流、焊接时间、喷嘴高度均与焊接排放呈正相关趋势。基于关键影响因素,搭建焊接环境负荷数据排放预测模型,综合考虑焊接烟尘和废气,以焊接电流,喷嘴高度,焊接时间这三个关键工艺参数作为模型的输入量,以NOx、O3、PM2.5、PM10浓度作为输出量来构建模型。本文采用三元一次线性回归、三元二次多项式回归、BP（Back Propagation）神经网络、RBF（Radial Basis Function）神经网络、以及RBF-BP（Radial Basis Function-Back Propagation）组合神经网络来搭建GTAW焊接环境负荷数据排放预测模型。结果表明RBF-BP组合神经网络GTAW焊接环境负荷排放预测模型为最优模型,采用组合模型预测GTAW的焊接环境负荷排放数据,可为减少焊接工艺环境负荷排放量提供指导。基于焊接排放数据及焊接环境负荷数据预测模型,从异常数据处理、环境影响评价、职业安全评估三个方面进行数据应用方面的探讨,为高质量焊接排放数据的获取与改进提供思路,亦为国内基础制造业环境负荷数据的相关应用提供参考。