空气是人类生存和发展的基础,是所有生命活动的基本要素之一。空气质量直接影响到人类的健康水平及生产条件,同时,良好的空气质量能大大提高城市的投资竞争力。但是,随着工业化及城市化过程的发展,城市人口数量的急剧膨胀,能源消耗、机动车数量的不断增加,以及大型的工业开发区的建立等都给环境空气质量带来巨大的压力。空气污染严重破坏生态平衡,给人类的生产生活带来了较大的危害。做好空气质量的日常监测、精确数据分析、实现质量预测及可视化有利于对城市空气的质量状况进行全面把控,同时,可以了解空气质量各种不同的影响因素,掌握各因素对空气质量的作用效果,这对城市规划与建设、环境管理、污染控制、及公共事业的发展均有重要的理论意义与实用价值。本文主要以BP(Error Back Propagation)人工神经网络理论为依据,在考虑了季节、温度、天气状况、风向和风力等气象因素的影响下,对天津市空气中污染物PM2.5、PM10、CO、NO2、O3-8h和SO2日浓度进行预测。该模型选取了当日的气象条件及前一日的污染物浓度作为训练样本的输入向量,并分别用归一化与反归一化对输入信号、输出信号进行处理,通过反复和大量的实验确定了BP神经网络的模型参数。结果表明,本次试验设计模型的预测效果较好。同时,根据国家颁布的最新环境空气质量标准GB3095-2012计算出空气质量指数AQI(Air Quality Index),并采用控制变量法对预测的输出结果进行单因素分析,探究了单项气象条件与空气质量之间的关系,分析其原因并提出改善空气质量的相关措施。最后,对预测结果进行可视化操作,将图形用户界面呈现出来。