目前空气污染指标的预测方法仍然存在预测准确率不高的问题,这导致了空气污染指标的预测结果具有较低的应用价值。同时,目前空气污染指标的预测系统也存在交互方式不佳的问题,导致空气污染指标的预测结果不能被人们便捷地获取。所以,本文从空气污染指标预测的准确率和交互性两个方面进行了研究,主要工作有:(1)针对目前空气污染指标预测准确率不高的问题,提出了一种基于深度信念网络的空气污染指标预测方法。该方法使用典型关联度分析算法对输入的数据进行分析,去掉与待预测指标关联度较低的污染指标和气象指标。并且,将第t小时前c个小时的空气污染指标数据作为深度信念网络模型的输入,输出第t+1小时的预测值,根据预测值和实际值误差大小决定是否更新网络模型。此外,在不同的预测窗口下对空气污染指标预测结果进行对比,确定了一个最佳的预测窗口,进一步地提高了预测的准确率。(2)针对目前空气污染指标预测交互方式不佳的问题,设计并实现了一个基于多种交互方式的空气污染指标预测系统。该系统包含了数据采集子系统、数据管理子系统和数据处理子系统。在数据采集子系统中,使用终端监测设备实时地采集空气污染指标数据。在数据管理子系统中,使用云平台实现监测数据的存取管理。在数据处理子系统中,使用了基于深度信念网络的空气污染指标预测方法对采集的数据进行分析和预测,并采用多种交互方式供用户获取空气污染指标的数据和预测结果。交互方式包括数据的云端交互、数据的移动端交互和数据的三维可视化交互,使得用户不仅能更便捷地查询空气污染指标浓度值,还能及时地收到空气污染指标超标报警和预测信息。