随着社会经济的持续增长和城市人口的迅速膨胀,城市空气污染问题日趋严重,仅对城市空气质量进行检测已不能满足人们的需求。对城市空气质量的变化趋势进行研究,开展城市空气质量预测、预报工作,对城市空气污染的防治和城市居民的健康、生活具有重要的意义。论文是华中某市空气质量自动监测系统的拓展研究,在分析研究神经网络非线性处理能力和容噪能力的基础之上,论文应用BP神经网络对城市区域空气质量进行预测研究,设计了基于BP神经网络预测模型的城市区域空气质量预测系统。论文首先对该市空气质量自动监测系统做了简要的介绍,通过分析近几年空气污染的特点,指出PM10是该市空气质量的主要污染因子。在这一重要结论的基础之上,论文采用该市PM10的日历史数据,建立起BP神经网络模型来定量预测PM10的日平均浓度。根据影响PM10含量的物理分析和历年PM10数据的统计分析,以及该市地理和气象方面的特点,找出影响PM10浓度的主要因素,在大量的试验分析和仿真的基础上确立了BP神经网络结构。论文将训练之后的BP神经网络进行预测试验,并将得到的预测值与国家环保总局的预测结果进行比较分析。可以看出BP神经网络具有较好的预测精度,但缺乏对突发事件进行有效的处理,论文提出在预测模型基础上采用加入修正量的方法,以弥补BP神经网络预测方法的不足。论文提出的BP神经网络预测模型在预测精度和突发事件处理等方面还有待改进,但其研究工作证明了利用神经网络对城市空气质量进行预测研究的可行性,为城市区域空气质量的预报工作提供了一种切实可行的实现方法。