随着我国工业化进程的推进,环境污染变得越来越严重,尤其在大气污染方面,给人们的身体健康和财产造成了巨大的危害,并影响着国家经济的持续发展。同时,人们对大气污染的保护意识也越来越高,对大气污染的治理愿望十分强烈。因此,实时的了解大气污染物的变化情况,提供更加可靠,准确的大气污染物浓度预测方法,是保护大气环境的重要前提。首先,本文针对鲸鱼算法全局勘探和局部寻优不足的特点,提出了自适应权重和柯西变异的鲸鱼算法,平衡了鲸鱼算法的全局勘探能力和局部寻优能力。然后,在自适应权重和柯西变异的鲸鱼算法的基础上,引入了非线性收敛因子,进一步改进鲸鱼的游走方式,提高鲸鱼算法的收敛速度和精度。最后,将自适应权重和柯西变异的鲸鱼算法以及引入非线性收敛因子的鲸鱼算法用于初始化BP神经网络的权值和阈值,预测大气污染物浓度。首先,本文将两种改进的鲸鱼算法用于函数的测试实验,对于自适应权重和柯西变异的鲸鱼算法,函数的优化效果得到了提高。另外,引入非线性收敛因子的鲸鱼算法,在单峰函数的优化效果比多峰函数的优化效果更好。然后,本文将两种改进的鲸鱼算法优化BP神经网络的权值和阈值,分别预测了沈阳市多个站点和小河沿的大气污染物浓度。最后,实验结果表明,改进的鲸鱼算法优化的BP神经网络,预测结果更加准确。