控制机动车污染排放,提高城市的环境质量目前已经成为国家和人民的共识。城市公交具有载客量大,效率高,缓解交通拥堵的特点,然而由于长期的低速运行以及频繁的加速减速,其产生尾气排放仍然不能忽视。我国对于现有多种燃料类型公交车排放缺少全面系统的研究,对于准确量化不同类型公交的实时动态尾气排放模型还有很大的研究空间。本文旨在通过分析目前常见的四种燃料类型和排放标准（油电混合动力,液化天然气,柴油国Ⅳ,柴油国Ⅲ）公交车辆的排放特性、影响因素,建立考虑时间记忆的神经网络公交排放预测模型,为有效控制公交排放,排放仿真模拟打下基础。基于此目的,首先开展数据采集工作。在江苏省镇江市采集四种类型公交车辆的GPS数据,实时排放数据以及其他基础属性信息。对数据进行预处理,并整合为逐秒对应的排放数据,运行数据,乘客数据等。并对四种燃料公交车的样本量和速度、加速度、CO、HC、NOx和CO₂排放率的进行初步统计。其次,本文从公交车辆排放机理出发,结合车辆的运行特性,分析不同类型公交排放的时空特性,不同行驶工况下的排放差异,机车比功率（Vehicle Specific Power,VSP）特性以及在路段、公交站台、交叉口的排放特性区别,对四种类型公交四种尾气排放特性进行全面解析;接着,定性分析速度、加速度、乘客质量对于四种燃料类型公交车CO、CO₂、HC、NO_X排放的影响,并通过Pearson系数和Spearman系数定量分析三种因素与排放的线性和非线形关系,结果得出速度,加速度,乘客质量是影响公交尾气排放的关键因素。最后,考虑到车辆先前的运行状态会对车辆当前排放产生影响这一特性,本文建立基于神经网络长短期记忆网络（Long Short-Term Memory,LSTM）模型,并与基于VSP的多项式拟合（VSP based polynomial regression model）进行比较,结论表明,所提出的LSTM模型预测精度较好,对于四种类型的尾气排放的预测都有不错的效果。