随着社会经济的发展、城市人口的膨胀,生产、消费规模的不断扩大,大气污染问题日益严重,导致二氧化硫、二氧化氮、可吸入颗粒物、一氧化碳等为主要污染物的空气污染问题也日益突出,对资源环境、人民的日常生活和社会的发展带来了沉重的负担,严重威胁着可持续发展的基础。由于空气污染数据本身的复杂多变性并且已经积累了大量的历史数据,传统的预测方法很难充分挖掘历史数据从而得到有用信息实现精准预报。因此,进行空气质量分析系统设计具有重要意义。本论文围绕河北省环境空气质量监测监控和空气质量可视化等方面,对大气污染物浓度变化进行分析。本系统以石家庄市空气质量监测站所获得的大气污染指标数据为基础,应用JAVA语言进行编程实现,数据采集部分通过WebService技术从大气质量监测网站获取数据;数据分析部分采用Hight Charts、Echarts提供的柱状图、折线图以及地图等对数据进行可视化展示;预测部分将数据挖掘技术和BP神经网络算法相结合,建立了石家庄市大气质量预测模型。预测模型首先利用数据挖掘分类分析找出与空气质量浓度变化相关的影响因子,然后使用影响因子归一化后的数据对BP神经网络进行训练,建立空气质量预测模型,最后对建立的预测模型进了评价测试。结果表明:本论文建立的大气质量预测模型具有较高的预测精度,预测结果的相对误差均在5%以内,能够很好地满足实际应用的需求。该预测模型提高了预测的有效性和实用性,能够为环境保护部门提供更加可靠的决策依据。