机器学习模型拟合效率高，能够克服多维度和高度非线性等问题，在大气污染物浓度预测中的应用非常广泛.为更好的反映北京市雾霾天气状况，本文采用高精度拟合的BP　网络预测模型，建立了基于BP　神经网络的雾霾预测模型.首先，建立影响雾霾因素之间的指标体系.其次，采用2018年11　月全月天数的大气污染物数据作为训练样本，建立神经网络雾霾预测模型.最后，基于BP　神经网络对12　月全月天数的PM　2.5　浓度进行预测.结果表明，在小样本数据下，该模型可以较准确的预测PM2.5　的浓度变化趋势，为有关部门对空气质量进行监测和预报提供参考.