空气中的污染物浓度是一项重要的环境质量指标,也与居民的身体健康密切相。近年来呼和浩特市的空气质量也呈下降趋势,工业以及汽车尾气带来的污染日益加剧,控制和预防空气污染也变得尤为重要。为了更好的控制和预防空气污染,准确的预报空气污染是必要的。本文主要研究利用多元线形回归模型和神经网络模型来预测未来一天空气中的SO2和N02浓度值。我们收集到2014年重点污染源自动监控系统中呼和浩特市的27家重点污染源共46个废气排放口的日排放数据、8个空气自动监测站的污染物浓度的日监测数据和呼和浩特市白塔机场的地面站的日气象数据。通过对数据的分析和挖掘,我们提取了用于建模的特征并构建了训练和测试样本。基于训练样本的学习并在测试样本上测试,我们确定了有效的模型参数。经过大量实验,结果表明,神经网络模型对二氧化硫和二氧化氮的未来一天浓度的预测准确率更高,能更好的拟合污染物实际浓度的变化趋势。