近几年,空气污染问题引起了全国人民的广泛关注,为了更好的提高市民的生活质量、加强空气污染防治工作和预防空气重污染日的发生,及时开展空气质量预报工作意义重大而深远。本文以2009～2012年的API、2013年的AQI及同期的气象资料为基础数据,对秦皇岛市API和AQI与气象因子之间的关系进行了分析,对秦皇岛市API的预报方法进行了研究。首先,采用相关分析方法分析了气象因子对秦皇岛市春夏秋冬四季的API或AQI的影响,重点对比了四季中AQI>200时气象条件与AQI<200时气象条件的不同。其次,在初选因子的基础上利用多元线性回归法构建了秦皇岛市春夏秋冬四季API数值的多元线性回归预测模型,并对四个回归模型进行了准确率的检验,准确率分别为84.6%、86.8%、83.4%、83.5%。最后,构建了基于主成分分析的BP神经预测模型和遗传算法优化的BP神经网络预测模型对四季的API数值进行预测,分别对每个模型运行5次,得到两种模型对春夏秋冬四季的预测平均准确率分别为：85.18%、87.1%、85.72%、84.56%；86.32%、87.66%,87.4%,85.88%由此可见,本文所建立的三种预测模型均可以满足实际预报的需要,但通过对比可以看出神经网络方法比线性回归方法的预测准确率更高,遗传算法优化的BP神经网络方法比BP神经网络预测方法有更好的稳定性,所以最终确定遗传算法优化的BP神经网络预测模型为三者中最适合秦皇岛市空气质量的预测模型。