近年来,雾霾天气频发,给人们的日常生活造成极大的影响。已有研究表明,空气中颗粒物PM2.5和PM10是形成雾霾天气的主要因素。建立完备的空气质量监测体系,实时监控空气质量相关数据,通过对这些数据进行分析,可以为防控雾霾提供科学准确的决策依据。基于物联网的雾霾大数据是对雾霾进行分析、预测的重要基础,而随着雾霾监测数据的不断积累,大量的不可用的劣质数据也不断增长,导致监测数据的质量降低。只有保障雾霾监测数据的可用性,基于雾霾监测大数据的分析才是有意义的。本文对雾霾监测数据进行了数据审核,提高了数据可用性,为雾霾监测数据的有效性分析和预测奠定了坚实的基础。在数据可用的基础上,本文对雾霾监测数据的有效性进行了预测。建立了基于贝叶斯网络的贝叶斯网络预测模型,通过概率推理实现对雾霾监测数据有效性的预测。考虑雾霾监测数据中各属性对数据元组有效性的非线性影响,本文建立了B‐P神经网络预测模型用以探究雾霾监测数据中各属性与数据元组有效性之间的线性关系。通过实验分析,验证了贝叶斯网络模型和B‐P神经网络模型在雾霾数据有效性预测方面的良好性能,从而表明了雾霾数据有效性预测工作的可行性。