面对数据库中数据的快速增长,如何从海量的数据中获取到有效的知识是我们现如今面临的重要问题。数据挖掘技术作为融合了人工智能、数理统计和数据库等科学的新兴技术正是解决这一问题的有效途径。自1983年至今上海市环境监测中心已经积累了大量的与环境空气质量相关的数据,这些数据对于我们了解空气质量的变化规律具有非常重要的价值。但是目前对于这些数据的应用还只是停留在基本的统计层面,如日报、月报等。数据真正的价值没有得到充分的开发与利用。我们课题的提出就是为了更加有效的利用这些数据资源,从中挖掘出有价值的信息,发现环境空气质量的变化规律,充分发挥历史数据的价值,提高城市环境空气质量的管理与预警水平。本文讨论了环境空气质量数据预测模型的建立过程,并实现了模型的自学习能力,在此基础上建立了上海市环境空气质量预报系统。本文首先给出了数据挖掘和神经网络的基本概念,关键技术以及数据挖掘的任务,挖掘方法,基本过程以及发展状况；然后介绍了数据的分析与处理以及模型的理论推导过程,并在单点预测的模型之上进行了扩展,扩展主要是现实了对全市大气空气质量变化趋势与污染物的分布情况进行了基于ArcGIS的直观的展示。最后对本文中讨论的模型进行了系统设计与编码实现,系统基于J2EE,采用了Spring和Hibernate等开源框架并采用了富因特网应用程序(Rich Internet Applications, RIA)技术进行了前台的展示。RIA技术的利用使得本系统具有很强交互性,也为用户提供一个更高和更全方位的网络体验。