随着人类人口快速增加，城市化进程的加快和工业水平的提高，大气中灰霾污染日趋严重，为了加强对灰霾的监测和治理，开展灰霾等级的预测意义重大。　　 本文通过将美国环保署开发的空气质量预测模型Models-3和模糊神经网络相结合，研究一种灰霾等级预测的新方法。具体包括气象模型WRF、排放源处理模型SMOKE和空气质量预测模型CMAQ，模糊理论、BP神经网络及他们在灰霾等级预测中的应用。　　 首先，利用SMOKE模型，结合济南市空气污染物浓度的历史监测数据，建立Models-3需要的本地化区域大气污染源排放清单，采用三层嵌套网格，应用CMAQ对济南市进行灰霾等级预测模拟。　　 其次，利用模糊神经网络，结合济南市空气污染物PM10的历史监测数据、预测日的气象数据和CMAQ对能见度的预测结果，以灰霾等级为输出，进行灰霾等级的预测。其中，模糊理论应用隶属度的概念对济南市的污染物数据、气象数据和能见度的预测数据进行分级模糊化，再利用模糊推理进行灰霾等级的预测。利用BP神经网络把模糊化后的数据作为网络的输入样本，对样本进行训练，仿真。　　 最后，应用Models-3预测模型对灰霾等级进行预测，利用模糊神经网络在处理多因素非线性问题上的优势，将模糊神经网络和Models-3相结合对灰霾等级进行预测，将两种预测结果与实际检测结果进行比较分析，得到模糊神经网络对灰霾等级的预测结果比CMAQ的直接输出结果误差更小，精度更高。