中国工业化和城市化的迅猛发展给全国大部分地区带来了严重的的空气污染问题,雾霾天气就是其中之一。雾霾天气不仅严重影响人们的日常工作生活、身心健康,还不利于社会的可持续发展。如何治理和防控雾霾天气是当前亟需解决的问题。雾霾天气主要是由大气中的PM_2.5引发的。因此,对PM_2.5进行分析和研究是十分必要的。首先,本文根据成都市2017年至2019年三年的PM_2.5浓度数据,对成都市PM_2.5浓度的时间分布特征进行分析,得出PM_2.5浓度的季度均值在冬季最高、夏季最低等统计特征。其次,通过相关性分析和逐步回归分析,探究了PM_2.5与其他大气污染物和气象因素之间的关系,得出结论:PM_2.5与O₃呈现较弱的负相关关系,与SO₂、NO₂、CO、PM₁₀的正相关关系依次增强;与气压呈正相关关系,与温度、风速、总降水量、相对湿度的负相关关系依次减弱;逐步回归分析显示,其余大气污染物对PM_2.5的影响程度都大于气象因素。最后,本文对PM_2.5进行一步预测,分别采取了三种方式:第一种,ARIMA模型预测;第二种,基于影响因素ARIMA预测值与PM_2.5历史值的BP神经网络预测;第三种,基于影响因素历史值与PM_2.5历史值的BP神经网络预测。通过均方误差根等误差分析指标对比各个预测方法的效果,最后分析得出第二种方法的预测性能最好。