随着严重雾霾天气的频繁出现,大气能见度也变得越来越差。目前我国最大的500个城市中,高达99%的城市空气质量标准均达不到世界卫生组织的要求。而能见度的持续下降,给人们生产和生活带来诸多不便与危害,甚至造成安全问题。于是对影响能见度的气象要素进行研究与分析,准确预测出大气能见度有利于减少交通事故的发生以及城市空气污染的防治工作。为解决天气图分析、多远回归模型以及模糊识别等原有能见度预测方法存在的不足,本文尝试利用深度学习的神经网络模型来预测能见度。其次,对数据采取min-max标准化的方法进行预处理得到归一化后的数据。然后,通过试凑的方式来确定DBN大气能见度预测模型的最优网络结构。同时,运用DBN的训练算法不断调整模型的权重和偏置,建立误差最小的DBN大气能见度预测模型。另外,采用相同的样本集数据构建传统的人工神经网络BP模型。将其大气能见度预测效果与DBN大气能见度预测模型的效果对比,从而证明在一定条件下深度学习的DBN模型预测能见度的效果要比传统的BP神经网络模型效果更好。最终,运用GUI设计并实现一个DBN模型大气能见度预测系统,从而直观地展示出DBN模型能见度预测的结果。