2001年,意大利环境与领土部（IMET）和中国国家环保总局（SEPA）于苏州市建立了一套空气质量实时监测系统（AQMS）。为了充分利用AQMS监测数据对苏州空气质量进行评价和预报,意大利国家大气污染研究所、苏州环境监测中心站和清华大学于2005年开始合作,合作内容主要是利用人工神经网络进行苏州空气质量评价和预报的应用研究。在由苏州市环境监测中心提供的2004年各项数据的基础上,经过前期数据分析与筛选,从中导出了大气稳定度、混合层高等数据。结合苏州市SO₂排放的地理特征,对风向因子作了有效的赋权处理。经过大量的数据相关分析,将气象因子的时间特性与相互之间的关系作了深入的比较与研究。结合已知的SO₂扩散的物理模型知识,从经处理的气象因子数据中选取了与SO₂浓度相关度较高的13个因子作为预测网络的输入。经过对神经网络原理的研究与比较后,最终选定了3层结构的BP网络作为所需的预测网络。在网络的设计过程中,通过大量的计算比对,比较了不同隐层节点数目设置对网络性能带来的影响,并在此基础上选择了最佳的隐层节点数目设置。在网络的训练中,分析比较了不同的训练算法对预测效果的影响,从中选取了最优的算法作为最后的训练算法。在用2004年的数据做预测时,结果表明该模型可以较好地满足预测要求。在模型训练完毕后,分析了模型中的各个影响因子对于SO₂浓度的影响权重,有助于更好的了解苏州市SO₂污染扩散的成因等问题。为了更方便使用,使用Matlab与C的接口库,用C++实现了所需的网络计算模型。并在VC环境下设计了基于WINDOWS的操作界面,以便更好地用于实际计算。