雾霾天气是一种重要的城市气象灾害，它是人类活动与特定气候条件相互作用形成的结果。雾霾天气的频繁爆发，对城市的大气环境、人们的身心健康、交通安全以及工农业生产等均造成了严重的影响。因此，对雾霾天气进行研究具有非常重要的现实意义。　　本文通过研究影响雾霾天气发生的指标因素与全年雾霾发生天数之间的关系，利用非常经典的BP神经网络算法，构建一个年度雾霾发生天数的预测模型。首先，从地区经济发展、城市开发状况、人们的生活水平、地域环境等角度出发，寻求影响年度雾霾发生天数的关键因素。按照全面性、适宜性以及代表性的原则，将二氧化硫排放量、二氧化氮年日均值、可吸入颗粒物年日均值、地域生产总值、汽车保有量、煤炭消耗量、户籍人口、施工面积、第二产业税收收入以及全市集中供暖面积等10种指标作为影响雾霾天气发生的关键因素，并以此构建一个影响年度雾霾发生天数的统计指标体系。　　其次，考虑到雾霾数据的特殊性，先采用主成分分析法对雾霾数据进行预处理，并对传统的主成分分析法加以改进。然后，将改进的主成分分析后的结果作为BP神经网络模型的输入，此算法可以有效地减少样本数据经传统主成分分析后造成的信息的丢失问题，使输入网络模型的数据更加全面和完整。　　最后，构建主成分—BP神经网络模型。根据实际情况将年度雾霾发生的天数划分为四个等级区间，BP神经网络模型输出即为年度雾霾发生天数所属的等级。以北京地区的空气数据为样本对所建网络模型进行实例验证和分析。用处理后的空气成分数据对网络模型进行训练，调整网络权值，经若干次迭代，网络权值基本收敛。接着利用训练好的BP神经网络预测模型对北京地区其他年份的年度雾霾天数进行预测，并将预测结果与实际情况进行比较。结果表明所选的10种雾霾影响因素对年度雾霾发生天数的解释性较强，且BP神经网络模型的结构设计是可行的和合理的。对所建网络模型进行深入分析，并针对导致雾霾天气形成的主要因素，给出了相应的应对建议。