随着我国在工业领域的高速发展,危险气体意外泄漏扩散引发的火灾、爆炸以及造成人员伤亡等事故发生的频率也在不断增加。在气体扩散模拟分析中,计算流体动力学对计算机的要求限制了它的应用,本文建立了计算流体动力学的代理模型来预测气体浓度随时间的变化趋势以及预测气体的空间分布特征,研究主要从以下三个方面展开。首先利用随机Hamersley采样设计输入变量的值,从而实现利用较少的样本点实现空间更好的覆盖效果。基于流体力学理论结合COMSOL软件对二维空间内气溶胶扩散过程进行了数值模拟,为研究提供了可靠的实验数据。根据灰色关联分析法揭示了入口空气速度、入口气溶胶浓度以及气溶胶颗粒密度对气体浓度的影响。然后提出了一种改进的长短时记忆神经网络气体浓度预测模型,能够利用历史数据构造出相应的趋势模型来预测未来时刻气体的浓度值。通过设置神经网络的模型参数达到优化效果,并将其与几种传统的时间序列预测模型进行了对比,长短时记忆神经网络可以在数据量不大的情况下获取较好的预测性能。进一步提出一种改进的长短时记忆网络的浓度预测模型,在训练阶段每一步预测时使用实际值作为下一步的输入,并修正网络参数循环进行后续的预测。仿真实验表明,经过改进后的模型预测精度提高了59.2%,验证了该模型的有效性。最后,为了进一步研究二维空间气体浓度随时间空间的动态分布,提出了一种遗传算法优化的BP神经网络的气体扩散预测模型来研究气溶胶扩散浓度,考虑了时间、空间坐标以及浓度的相关影响参数,构建了四种的不同输入和输出变量模型。结果表明优化后的BP神经网络的均方根误差分别降低了34.92%、40.65%、77.61%以及81.06%,模型四的均方根误差可以达到6.63e-04,能够表现出对于数据预测的优异性能。本文所提出的方法在气溶胶扩散的数值模拟中得到了验证,研究对工业和环境安全评价具有潜在的应用价值。