空气中污染物浓度的预测是一个复杂的非线性问题。国内外的研究表明神经网络能够比回归模型更好地预报空气污染物。设计并实现了将用于选择最优预报因子的遗传算法和神经网络算法相结合的GA_ANN空气质量预测模型，利用某市2003~2006年的数据建立神经网络空气质量预测模型，对该市2007年全年SO2和NO2的预测实验表明，GA_ANN模型比单纯的神经网络模型具有更高的预报精度。