近年来，我国多地出现大范围长时间的重污染天气，其中京津冀、珠三角、长三角区域最为突出。因此，研究实时、高效的空气质量预报系统，不仅能为公众出行提供指导，还能指导职能部门防控重污染天气并提供相应技术支持。空气质量预报模型是当前研究热点，但由于技术发展及体制等方面的原因，传统统计预报以及国外数值预报模式难以满足我国空气污染预报预警的业务需求。针对上述形势，本文针对华南和华北区域，构建了基于动态样本筛选机制和BP神经网络的空气质量预报模型，并对空气质量空间可视化展示进行了初步研究。首先，选取珠三角、京津冀区域各3个重点城市，对空气污染物(SO₂、NO₂、PM₁₀、CO、O₃、PM_2.5)时间分布特征、自相关性及其与气象因子的相关性等方面进行了分析。分析结果表明：京津冀城市污染状况相比于珠三角城市严重，京津冀城市的可吸入颗粒物的污染比例较大，而珠三角城市的臭氧污染比例整体高于京津冀城市。其次，以广州市五中、北京天坛监测站点为例，并根据上述不同城市不同空气污染物的相关影响因子分析结果，确定了动态样本筛选机制的相关参数以及BP神经网络结构，从而建立了周预报模型，并对上述两站点的空气污染物浓度进行了预报，最后对未来三天的预报结果进行了多方面的分析。结果表明，广州市五中站点的整体预报效果较优，平均相对误差分布在0.18⁰.34范围内；CO、NO₂污染物预报结果的平均相对误差均在0.31以下，等级准确率均高于92%，预报效果优于其他污染物；而PM_2.5和O₃的平均相对误差在0.21⁰.47范围内，预报等级准确率为70%⁹0%。所构建的模型预报精度总体高于多元线性逐步回归模型。最后，以ArcGIS为平台，采用交叉验证法，从污染物性质、季节性特征等方面综合对比分析了反距离加权（IDW）、规则样条函数（CRS）两种确定性插值方法和地统计学的普通克里金法（OK）空间插值的效果。结果表明：普通克里金法得到了整体最优的插值精度，但在表达空气质量空间分布图上过渡平滑性欠佳，更适于在区域空气质量预警预报工作业务开展中的应用；空气污染物性质及季节性特征对插值结果影响显著,空气二次污染物插值效果均明显优于空气一次污染物，其插值结果的平均相对误差在0.186⁰.313范围内，相关系数基本在0.8以上。