目的应用多元线性回归模型和PSO-BP神经网络模型对广州市日均PM₁₀浓度进行提前一天的预测,比较两种模型的预测效果,为环境管理决策提供依据。方法利用广州市2008年1月1日至2011年11月30日的PM₁₀浓度和气象资料分别构建两种模型,并使用2011年12月1日至12月31日的数据检验两模型的预测效果。结果前一天的PM₁₀、极大风速、最小相对湿度、日平均气温、能见度为预测第二天PM₁₀浓度的5个主要影响因素,其中前一天的PM₁₀浓度与预测的PM₁₀浓度相关性最高（0.66）。PSO-BP神经网络模型的决定系数（R2）为0.80,相比于多元线性回归模型,其均方根误差（RMSE）降低6.20%,平均绝对误差（MAE）降低8.73%,平均绝对百分比误差（MAPE）降低13.33%,平均绝对偏差百分比（PMAD）降低8.67%。结论 PSO-BP神经网络模型预测效果优于多元线性回归模型,能有效模拟、预测未来一日的PM₁₀浓度,可为大气颗粒物浓度预测提供一定的方法学参考。