本文基于人工神经网络模型对高速公路沿线200m范围内的交通大气环境质量进行综合评价、对交通噪声进行预测以及对网络模型的结构性质进行了探讨。 运用LVQ网络模型对道路沿线监测点的污染物CO、NO_x、TSP浓度及噪声声级进行综合评价，并与主分量分析法评价结果比较，两者结果完全一致；运用改进的LM算法BP网络模型，根据道路沿线监测点的交通流量、平均车速、受声点距路肩距离、敏感点高差预测交通噪声的等效声级，并与实测值比较，两者结果基本吻合。表明设计的该神经网络模型具有良好的非线性映射功能及良好的泛化功能。 本文对网络模型隐含层数、隐含层神经元个数与误差的关系、样本量的选择进行了讨论，发现增加网络隐含层数、隐含层神经元个数可降低误差，提高精度，但同时也增加了网络的复杂性，延长了训练时间；增加样本量，网络可获得良好的泛化能力，但样本量过大，也即增加网络规模，则会出现过拟合现象。 样本量及隐含层数的选择有待于进一步研究。