近年来北京市雾霾天气多发、频发,社会公众开始关注雾霾的成因、污染物来源、空气污染的影响及危害等诸多方面,所以有必要开展针对北京市气象条件、空气质量分布特征的研究,并研究气象条件对空气质量的影响、建立基于气象条件的空气质量预报模型。本文首先分析了北京市1951-2016年的气候变化趋势,并着重分析北京市2013-2016年气象要素的时间变化特征,研究北京市近年来的基础气象条件。其次,分析北京市空气质量时间变化特征（包括年际、年、年内变化特征）,以及空间分布特征。再次,研究了各气象要素之间、各污染物之间、各气象要素与各污染物之间的相关关系。最后,分别设计建立了基于BP神经网络和GA-BP神经网络的2种空气质量预测模型。主要结论如下:（1）北京市1951-2016年气年平均风速为2.4m/s,呈减小趋势;年平均温度为12.3℃,呈上升趋势;年平均相对湿度为56.6%,呈减小趋势;年平均气压为1011.6hPa,呈上升趋势;年平均降水量为589.8mm,呈减少趋势。除年平均风速变化趋势较为缓慢外,其他气象要素变化趋势较为明显。（2）北京市2013-2016年,风速、温度、相对湿度、气压、降水量的年变化较为规律,风速在春季最大、秋季最小,夏、冬两季接近年平均水平;温度在夏季最高,冬季最低,春秋两季接近年平均水平;相对湿度在春季最低,夏、秋两季较高,冬季明显低于年平均水平但略高于春季;气压在夏季最低,冬季最高,春、秋两季接近年平均水平;降水量在夏季最高,秋季接近年平均水平,春、冬两季较低。（3）北京市2013-2016年空气质量呈现出逐年好转的趋势,2016年空气质量明显好于其他年份。2013-2016年PM₁₀、SO₂、CO、NO₂年平均浓度呈现出逐年降低的变化趋势,但PM_2.5、O₃两种污染物2013年平均浓度明显低于其他3年,且2014年相对于2013年增幅非常显著,2014-2016年逐年下降。空气质量空间分布特征研究结果表明,北京市山区空气质量明显优于平原地区,全市整体呈现从南到北递减趋势,城区呈现出东南高、西北低的特征,城区空气质量优于南部郊区,而差于北部郊区。（4）通过研究气象要素与各污染物之间的相关性发现,气象要素与各污染物浓度之间均存在较强相关性且通过显著性检验;风速（温度）与各空气质量要素均为负相关,即风速（温度）越大（越高）,污染物浓度越小,空气质量越好;相对湿度（气压）与多数空气质量要素为正相关,即相对湿度（气压）越大,污染物浓度越大,空气质量越差;降水量与多数空气质量要素也为负相关,说明降雨具有清洁空气质量的作用,降雨量越大,空气质量越好。（5）分别基于BP神经网络和基于GA-BP神经网络建立了北京市空气质量预测模型。经过检验,基于BP神经网络的空气质量预测模型预测的北京市空气质量AQI预测准确率为73.73%,基于GA-BP神经网络的空气质量预测模型预测的北京市空气质量AQI预测准确率为74.80%。预测结果说明基于BP神经网络和基于GA-BP神经网络的北京市空气质量预测模型在准确程度上均具备参考价值,可为北京市空气质量预测工作和决策管理提供数据参考和理论支撑。