摘要：通过隶属度函数确定的加权KNN-BP神经网络方法,建立PM 2.5浓度动态实时预测模型,以PM 2.5、PM 10、NO 2、CO、O 3、SO 2等6种污染物前1 h的浓度及天气现象、温度、气压、湿度、风速、风向等6种气象条件,以及预测时刻所在一周中天数和该时刻所在一天当中的小时数为KNN实例的维度,选取3个近邻,根据得到的欧氏距离确定每个近邻变量的隶属度权重,最终将所有近邻的维度作为BP神经网络的输入层数据,输出要预测的下1 h PM 2.5浓度,该方法避免了传统BP神经网络方法不能体现历史时间窗内的数据对当前预测影响的问题。对北京市东城区监测站2014-05-01T00:00—2014-09-10T23:00的数据进行预测试验,结果表明,加权KNN-BP神经网络预测模型相较其他方法的预测误差最低,且稳定性效果最好,是PM 2.5浓度实时预测的有效方法。