随着工业化和城市化的发展,化石燃料地不断消耗,致使空气质量日益恶化,以致雾霾天气越来越高频率与大范围的在全国发生,对全国人民的正常生活、工作以及身体健康造成了不良影响。这已经成为政府与民众共同关注的热点问题,也是亟需研究与解决的问题。雾霾产生以及具有危害的最主要原因即是空气中存在的悬浮颗粒物,PM10与PM2.5。因此,对空气中的悬浮颗粒物浓度进行检测,以及进一步基于检测数据进行科学有效的预测已经可不容缓。首先,本文从气象因素与空气污染物等角度出发,探究影响悬浮颗粒物PM10与PM2.5浓度的关键因素。其次,我们利用Granger因果关系检验对PM10、PM2.5与气象因素及空气污染物之间的动态相关关系也进行了探究。再次,为了能够更好的做好空气中悬浮颗粒物PM10与PM2.5的预报工作,本文提出了传统的ARIMA模型与基于人工智能优化神经网络模型对PM10与PM2.5进行预测,用于探究其预测能力。最后,考虑到传统的预测结果一般都是确定的预测值,而忽视了预测结果的波动范围。本文首次提出利用ARIMA模型与智能优化的混合神经网络模型对空气中悬浮颗粒物PM10与PM2.5浓度的区间预测进行了探究,旨在对未来的PM10与PM2.5浓度的波动范围给出合理的预测。