本文充分利用小波分析的特点，采用小波分析和混沌理论相结合的预测机制预测大气环境中SO2、PM10和NO2的浓度。首先应用分段三次Hermite插值法对监测数据的缺失值进行插值处理，运用软阈值消噪方法将SO2、PM10和NO2浓度时间序列分解为背景值时间序列和噪声值时间序列，并在此基础上运用C-C方法联合估算各时间序列的相空间重构参数，小数据量方法计算最大Lyapunov指数判断时间序列的混沌特性，然后分别构造了小波-混沌-神经网络相结合的预测模型、BP神经网络预测模型、小波-神经网络相结合的预测模型和混沌-神经网络相结合的预测模型预测了SO2、PM10和NO2的浓度，最后，计算预测的相对误差和绝对误差评价四种预测模型。结果表明:各时间序列最大Lyapunov指数均大于0，系统处于混沌状态;小波-混沌-神经网络相结合的预测模型预测精度较高，推广能力强，其次是小波-神经网络相结合的预测模型，其他两种预测模型的预测效果较差，且通过对四种预测模型的对比分析，证明了小波分析和混沌理论的运用有利于提高模型的预测精度。