设计了基于ESN(Echo　State　Network,ESN)神经网络的PM2.5时均值预测方法,并讨论了基于偏最小二乘回归的数据选择方式。在仿真实验中,通过与径向基函数(Radial　Basis　Function,RBF)神经网络和反向传播(Back　Propagation,BP)神经网络方法比较,验证了基于ESN神经网络模型预测的可行性。实验结果表明,与径向基神经网络和反向传播神经网络方法比较,基于ESN神经网络预测模型能较好预测PM2.5时均值变化趋势,且得到较好的预测结果。