空气质量的急剧恶化是现如今不得不承认的事实,污染物不仅对空气的能见度造成了严重的影响,而且影响到全世界人类的生活、生产和生存。我国为治理空气污染做出了很多努力,但是成效甚微,既然空气质量问题暂时无法解决,为了更好地防范空气污染,分析对空气质量产生影响的因素,研究大气污染的预测方法意义重大。本篇论文针对PM2.5这个热门课题,通过分析过去一段时间内郑州地区的PM2.5浓度值的演变规律,对该地区未来的空气污染进行预测分析。主要使用2015年春季小时数据,将缺失数据进行补齐后,采用时间序列方法建立ARIMA模型进行预测,在该模型中只考虑时间因素对未来浓度值的影响。结合前人研究的内容发现气象因素,如:风力风向、温度改变、天气变化等对颗粒物的扩散与堆积都有某种程度的影响。其它的大气污染物,如:PM10,S02,CO等对PM2.5的变化也有相关性影响。因此联系郑州及周边地区的气象因素,结合上述影响因素,采用实验设计的方法,设置四种不同的模型,建立对照组和实验组,使用BP神经网络算法对预计时间段进行长期预测。通过对上述两种模型预测结果的比较发现,ARIMA模型仅适合进行较短时间的预测,且预测效果不是太理想。相比较来说由于神经网络算法使用了比较多的变量,最终的预测结果精度大,预估的滞后时间比ARIMA模型长。最后针对实证分析对研究结果进行总结,同时指出论文的不足之处以及改进的方法,对预测值采用滤波修正的方法以降低误差。