可吸入颗粒物PM10是长期以来西安市大气中的首要污染物，为更好地反映其污染变化趋势、加强污染防治工作和预防严重污染事件发生，研究污染预报方法，开展污染预报工作意义重大。由于大气环境系统自身复杂多变且长年积累了大量历史监测数据，传统预报方法难以充分利用其中的有用信息实现精确预报，方法技术亦不易推广。笔者将人工神经网络技术应用到空气污染预报领域中，借助神经网络极强的非线性处理能力，利用MATLAB软件设计出基于BP神经网络的西安市PM10污染预报模型。 首先，利用一元线性回归、主成分分析法将28个备选预报因子精简为11个，作为模型的输入。其次，对动量BP算法、BFGS拟牛顿算法、SCG算法等六种不同BP算法的训练效果进行比较分析，得到适合论文模型的训练算法——SCG算法。最后，通过改变隐层节点数和网络训练次数，将网络的训练和预报效果进行横纵向对比，确定最佳隐层节点数为5，西安市PM10污染预报模型由此建立。 为提高网络的泛化性能，论文采用训练方法为SCG算法的提前终止法对网络进行训练，并利用测试样本集对预报模型的仿真结果进行检验。结果表明，预报值与实际值的相关系数达到0.801，在265个测试样本中，预报结果与实际完全吻合的为212天，占80％；如果相差不超过一级视为准确，则不超过一级为262天，占98.87％。预报结果与实际情况基本一致，结论直观，效果理想。 论文的研究从实践上证明了人工神经网络用于西安市空气污染预报的可行性，为信息社会的城市空气污染预报工作提供了一种新的思路和方法，同时找到了一种有效方便的建模软件——MATLAB。