摘要： 由于空气质量ＡＱＩ指数受多个难以确定的和非线性的因子的影响，经常用到的回 归预测方法效率和精度都比较低，基于长短期记忆单元（ｌｏｎｇｓｈｏｒｔ－ｔｅｒｍｍｅｍｏｒｙ，ＬＳＴＭ）的递归神经网络模型却能有效利用时序数据中长距离依赖信息的能力，精准地预测空气质量ＡＱＩ指 数。首先，利用Ｒｉ３８６３．３．３分析出空气中各种污染物质与ＡＱＩ指数的相关性；然后基于Ｐｙ ｔｈｏｎ３．５．２和ＴｅｎｓｏｒＦｌｏｗ，结合近几年空气质量的各种影响因素的走势，对太原空气质量的ＡＱＩ指数进行预测；最后使用均方误差（ＭＳＥ）对预测的数据和原始数据进行误差分析。最终得出结论：基于ＴｅｎｓｏｒＦｌｏｗ的ＬＳＴＭ神经网络能较精准地预测空气质量ＡＱＩ指数。