近些年以来,我国经济的不断地发展和提高,随之而来的就是日益增长的能源消耗和环境污染的问题。“雾霾”和空气污染也成为了人们日常生活中的一个热门的大话题。如何有效的利用各个城市已有的各种历史数据对城市空气质量进行比较准确有效的分析和预测,不仅能为人们的生活出行带来便利,也能为空气污染的治理提供一定的帮助。本文研究的主要内容是以南昌市的空气质量的指数作为研究的对象,以BP神经网络为基础建立一个针对南昌市的空气质量的预测模型。首先是依据果蝇优化算法和其他相关学者提出的改进,进一步进行算法的优化,提出了改进的ACFOA算法。改进的内容主要是在果蝇的味道浓度的判定值中加入一个跳脱参数,改善了该值不能小于零的缺陷,并使用了概率分布更加均匀的Tent映射替代了 Logistic映射,使得混沌映射的分布均匀提升了算法的寻优能力。除此之外还进行了实验来证明改进的算法的性能。最后,将改进的算法作为BP神经网络的初始化权值和阈值的算法。接下来,通过分析空气质量指数AQI的计算方式,提出了两种预测空气质量指数一种是直接使用AQI值和当天的天气数据对下一天的AQI值进行预测。另一种是先分别根据空气中各项污染物的含量的值和当天天气数据预测各个IAQI值并汇总计算AQI值。结果表明,改进的ACFOA-BP算法对比BP算法和FOA-BP算法有性能上的改善,耗费的时间相差不大。使用间接预测的方式比直接预测的方式的性能有稍许的改善,但是间接预测的方式耗费的时间比直接预测的方式多大约6-7倍。