随着经济水平的不断发展,大气污染愈发严重,尤其是近几年连续出现的霾污染,人们开始空前地关注我们赖以生存的自然环境。其中,无论是媒体报道还是科学研究,对大气细颗粒物的关注都很高,因为大气细颗粒物浓度的高低直接影响着人身体的健康。我国大气细颗粒物浓度监测及预测工作起步较晚,国内大部分监测点的仪器依靠进口。此外,由于我国南北纬度跨度大,温湿度差异也较大,进口仪器也很难满足测量精度要求,而且维护成本高。本文针对国内大气细颗粒物浓度监测、预测的切实需求以及关键技术问题,开展了相关的研究工作。论文的主要工作包括:1)大气细颗粒物监测仪器设计:基于β射线技术设计出自动在线监测大气细颗粒物浓度的仪器。为适应我国自身的环境地理特点,仪器结构设计部分主要集成了四大系统:恒流采样系统、β射线检测系统、滤纸适配器系统和动态加热系统,为大气细颗粒物采样的可靠性提供了基础。2)β射线颗粒物监测仪器的准确性研究:针对β射线技术测量大气细颗粒物浓度仪器的准确性作了研究。β射线技术仪器准确测量的关键是质量吸收系数的确定。本文重点分析了质量吸收系数的四大因素:β射线穿过物质的物理分布结构、射线源能量的大小、射线源到探测器之间的距离以及滤膜的质量密度。3)大气细颗粒物浓度预测模型建立:为了实现对大气细颗粒物浓度的精确预测,构建了大气细颗粒物浓度的预测模型,同时分析了影响大气细颗粒物浓度的十三种相关因子。预测模型包括BP(Back Propagation)和RBF(Radial Basis Function)两种人工神经网络模型,论文分别给出了两种神经网络模型的预测能力、预测误差和预测百分误差,并对BP和RBF两种神经网络模型进行了对比。