随着经济的快速发展，大量污染气体的排放，对环境产生了很大的破坏，使得生态不断恶化。空气污染不仅对人的健康产生的影响，也将会直接导致可持续发展的社会受到影响。因此，大气污染物防治工作，就显得尤为重要。为了更全面的认识和掌握大气污染物的变化趋势，为大气污染防治工作提供更全面、及时的信息，开展大气污染物的预测研究工作势在必行。大气污染物的预测工作历经几十年发展，预测方法和预测技术都得到了全面的提升，然而如何改善空气污染物的预测精度，一直是空气质量预测领域必须考虑和研究的重点。 本文以广州为研究区域，根据广州市2014、2015年的国控站点污染物监测数据和气象预报数据，利用遗传算法和BP神经网络，来构建空气质量预测模型，将该模型运用在广州市空气质量预报实验中。同时，采用反距离加权插值法，对广州市的AQI的时空分布进行了分析和预测。本文的主要工作和研究结果如下： 首先，对人工神经网络应用于空气质量预报的国内外研究现状进行了阐述，确定了本文的研究内容和技术路线，分析了研究区域的基本情况和空气质量监测站点的地理位置，还介绍了采集的空气质量监测数据和天气预报数据的数据内容和数据来源。 其次，深入研究了BP神经网络和遗传算法，介绍了算法的基本原理和流程，并充分分析了两者的优缺点。提出利用遗传算法具有全局搜索的优势，来优化BP神经网络的权重和阈值的方法，避免了神经网络过早收敛于局部极小值，进而提升BP神经网络的泛化能力。 再次，根据空气质量数据，考虑气象因素的影响下，结合遗传算法和BP神经网络算法，设计实现了一个基于遗传算法优化神经网络的空气质量预测模型。然后，选取了2014年的空气质量监测数据和气象预报数据作为模型训练样本数据，训练预测模型，通过反复的实验，确定神经网络预测模型的网络结构和参数，并将该预测模型应用在对广州市市监测站2015年1月至3月的空气质量预测实验中，并将该实验结果与单一BP神经网络模型的实验结果进行了对比分析，预测实验结果证明遗传算法优化的预测模型具有较好的预测准确率，达到了预期的效果。 最后，利用反距离加权空间插值法，对广州市2015年上半年AQI时空分布特征进行分析研究。结果表明，1-3月份，空气质量指数（AQI）呈下降趋势，北部高于南部；4-6月份，AQI呈逐渐上升趋势，南部高于北部，并且南部市中心城区的AQI明显偏高。并与预测模型预测AQI值相应的空间分布进行对比，两者的空间分布特征较为一致，从而验证了预测模型的准确性。
NETL
