随着社会经济持续增长和现代化工业的不断发展，城市环境问题日趋严重，中国要深入贯彻可持续发展战略，就要重视环境问题。为了有效地治理大气污染，首要的问题是必须对大气环境质量做出科学、客观的评价。这对客观认识城市大气污染现状，预测其发展趋势，并且有效地进行大气污染控制，实施可持续发展战略具有重要意义。本文根据“基于遗传神经网络的大气质量检测及评价研究”的课题需要，在深入研究数据融合理论和方法、遗传算法、神经网络、模糊逻辑规则的基础上，分别进行了以下研究。本文利用数据融合理论探讨了人工神经网络应用于数据处理中的可行性以及相应的改进方案，论证了神经网络与遗传算法结合的优势，并在此基础上，实现了遗传算法和神经网络结合的实验仿真，用神经网络的自学习性和自组织性来实现数据融合。经过结果分析，得出遗传神经网络算法优于传统的神经网络算法的结论，从而建立了基于遗传神经网络的大气质量检测模型。大气环境质量评价方法多种多样，关键在于评价方法和模型的合理选择和建立。本文通过结合模糊系统与神经网络的优缺点以及对遗传算法的改进，提出了用遗传神经网络来构造模糊系统，设计了改进型模糊遗传神经网络模型。在收集西安市城东工业区以及西安市近几年来大气监测数据以及有关资料的基础上，经过大量的仿真实验，得出基于遗传神经网络的大气质量检测及评价模型。通过分析研究其他的大气环境质量评价方法，结果表明该方法与别的评价方法相比，具有客观、科学、简便和精确的优势，所得结果与实际大气环境质量相符合，具有很强的实用价值，为实现智能化的实时大气质量检测以及评价打下了良好的基础。