随着我国社会经济迅猛发展，大气污染问题愈加严重，引起了政府、学者和民众的广泛关注。为了更好地反映大气污染变化趋势，加强大气污染防治，研究污染物的预测方法就显得意义重大。　　 论文基于代表空气质量数值模式发展趋势的Models-3/CMAQ模式、遗传算法与神经网络相结合的智能模型以及环境监测网络累积的大量监测数据，对济南市采暖季与非采暖季的典型月份，1、7两月的三种主要污染物S02、N02、PM10分别进行了时次浓度的模拟。　　 首先，本文通过Models-3/CMAQ模式对济南市2010年1月、7月的S02、N02、PM10的时次浓度进行了模拟；　　 其次，基于OpenMP技术，实现了遗传算法与人工神经网络相结合的GA_ANN空气质量模型的并行化处理，借助济南市污染物监测数据，对同期污染物浓度重新进行了模拟；　　 第三部分将CMAQ模式的模拟结果作为因子引入到GA_ANN模型中，利用CMAQ模型对GA_ANN模型进行修正，再次对同期污染物浓度重新进行了模拟。　　 最后，本文对多个模拟结果进行了比较分析。分析结果表明，CMAQ模拟虽然显现出系统性偏低特点，但能很好地把握污染物浓度整体变化趋势；并行GA_ANN模型对三种污染物1月的模拟具有较高的相关性，均处于0.9，而7月较低，均低于0.7；引入CMAQ结果因子后，能够对并行GA_ANN模型在1月、7月的模拟均起到进一步修正作用，体现出一定的应用价值。