针对大气中PM_(2.5)浓度难以预测的问题,提出了基于T-S模糊神经网络的PM_(2.5)预测方法。首先,利用实测数据,基于偏最小二乘选取与PM_(2.5)相关的辅助变量。其次,利用T-S模糊神经网络建立相关变量与PM_(2.5)浓度之间的软测量模型,并利用历史数据对模型进行训练。最后,将基于T-S模糊神经网络的软测量模型应用于实际环境,实验结果显示该方法能够对PM_(2.5)进行实时预测。通过与其他方法比较表明,基于T-S模糊神经网络的PM_(2.5)预测方法训练效果更好,预测精度更高。