近年来,空气污染问题越来越受到人们的关注,如何治理空气污染是环境保护至关重要的内容之一。为了有效地治理大气环境污染,首先必须对空气环境质量做出科学的评价。这对客观认识城市空气污染现状,并有效地进行空气污染控制,实施可持续发展战略具有重要意义。信息技术特别是人工智能技术的发展,为科学、准确的城市空气质量评价创造了有利条件。模糊系统和神经网络都是对人的智能的一种模拟,它们均可从给定的系统输入/输出数据中,建立系统的非线性模型。同时,模糊系统和神经网络又有不同之处。神经网络可以从例子中学习,具有很强的自适应学习能力,但需要很多数据进行训练才能使学习结果满意;另外,神经网络所获得的输入/输出关系无法用容易被人接受的方式表达出来。模糊系统是建立在被人容易接受的“如果-则”表达方式和专家知识的基础之上,因此收敛快,但如何自动生成和调整隶属函数和模糊规则,是一个棘手的问题。本论文在分析阐述了人工神经网络的基本原理、算法并在介绍了模糊数学基本理论的基础上,将神经网络与模糊数学有机结合起来,根据空气质量评价的要求和特点,建构了空气质量评价神经网络-模糊系统(NN-FS)串联模型及模糊神经网络(FNN)融合模型,并针对两种模型进行了仿真测试和性能分析。评价过程物理意义明确,得到了客观而准确的评价结果,同时为空气质量评价提供了一个新的方法。研究表明将NN-FS模型和FNN模型应用于空气质量评价具有良好的应用前景,在理论上切实可行,在实践中更有重要的意义。