为了提高大气污染物浓度预测精度,采用灰色关联分析选取影响大气中PM2.5浓度的主要因子,并以此作为神经网络输入变量,建立一种基于　BP_Adaboost　神经网络的　PM2.5浓度预测模型.用改进粒子群算法来选择BP_Adaboost　神经网络权重和阈值,可以有效避免神经网络在训练时陷入局部最优解.根据北京市海淀区万柳监测站和朝阳区北京工业大学监测点每小时监测的大气污染物浓度和气象条件,分别选择2014-11-01~2014-11-25和2017-07-07~2017-08-06数据作为实验研究对象.仿真结果表明,在　PM2.5浓度预测中,相比于　BP_Adaboost、BP和广义回归神经网络3种预测模型,改进粒子群优化BP_Adaboost神经网络预测性能更优.