雾霾天气频繁地发生,并且长期严重地影响着人们的身体健康以及生活和工作。而造成雾霾天气的空气污染物中,PM2.5对人体的危害最为严重。许多研究结果明确地显示PM2.5会提高患肺部感染、心脑血管等疾病的风险。因为PM2.5的浓度受到多种因素的影响,即便在同一城市不同的城区内PM2.5的浓度也有差异并且变化迅速。因此,对未来一定时间内的PM2.5浓度进行预估,对人们合理安排日常出行极为重要。本文选择具有截然不同的自然和社会环境的兰州市和武汉市为研究对象,以两地区2015年1月1日至2018年3月15日的日均PM2.5浓度为原始数据,提出了一种新的混合预测模型。首先,利用奇异谱分析(SSA)方法对原始时间序列即日均PM2.5的浓度进行分解和重构,针对重构后的时间序列分别利用经过思维进化算法(MEA)优化的BP神经网络以及经过灰狼优化算法(GWO)优化的支持向量机(SVR)进行预测。然后,将两个方法的预测结果加和汇总,针对汇总后的新的时间序列利用另一个GWO优化的SVR混合模型进行预测得到最终预测结果,由此提出一种混合模型SSA-BP-SVR-SVR。为了验证所提出得新的混合模型的有效性,本文将该模型与其他模型进行了比较,如EEMD-BP-SVR法、PSO-SVR法、SSA-GRNN-SVR法以及RBFN方法等。最终的结果显示,由本文提出的新的混合模型方法对于预测短时间内的日均PM2.5的浓度具有相对优势。