雾霾是秋冬季常见的天气现象,随着经济发展对化石能源需求的不断增长和环境自我净化能力的降低,雾霾天出现几率和影响范围都在逐步上升。由此给我们生活带来的负面清单也与日俱增。事实上,雾与霾在本质上是两种不同的天气现象,但相似的生消条件为两者统一预报提供了可能。在空中运输领域,雾霾所带来的低能见度,是航班晚点甚至安全事故的主要诱因之一。因此,提高雾霾预报的准确率,不仅能减少安全事故,而且还可以提前合理调度航班,具有非常积极的社会和经济意义。BP神经网络是人工神经网络(ANN)中集大成者,其高精度、非线性的特点,被广泛应用于模式识别、控制系统等众多领域。它在复杂气象预测方面同样表现优异,本文正是基于BP神经网络建立了航危雾霾预报模型,并利用十进制浮点数编码的遗传算法对网络连接权进行优化,效果良好,达到了我们前期预定的目标。论文主要内容概括如下:(1)数据的收集、筛选和订正,雾霾预报建模所需的数据来源并没有局限于人工观测和自动气象统计资料,还包括业务值班员日常工作记录。(2)分析研究了当今数值天气预报的发展现状和神经网络在气象要素预测方面的应用,并针对传统经验型、线性系统等预报模式在航空气象保障中存在的不足,设计出基于BP神经网络的航危雾霾预报模型。(3)选用十进制浮点数编码的遗传算法(FGA)对预报网络连接权和神经元阈值进行选择优化,完善遗传操作步骤的设计和MATLAB实现。并根据机场环境和雾霾生消原理,确定预报因子,更适合雾霾这种单站预报模式。(4)利用MATLAB软件进行模拟仿真实验,BP模型、FGA-BP模型分别从输出精度、稳定性、拟合等多方面进行分析对比后,得出后者表现更为优异,具有一定实用效益,值得大范围推广使用。