空气污染越来越威胁到人们的生命健康和生产生活,对于加强和提升空气污染的监测能力和治理水平已经刻不容缓。本文提出了一种基于混合神经网络的关于空气质量指数的区间预测模型,对于非线性问题的处理,比传统的确定值的预测模型更加具有优势。本模型的主要步骤为:首先,利用平均值插补法对原样本序列中的缺失值进行插补;其次,利用小波分解法对补全后的完整序列进行分解处理;然后,利用灰狼智能算法优化后的反向传播神经网络模型分别对每组归一化后的分解序列进行单独的区间预测,反归一化处理所得结果后,再输出每组序列预测出的上下界,将其分别相加进行集成,得出最终的预测区间;最后,根据预测区间覆盖概率(PICP)、归一化的平均预测区间宽度(NMPIW)、以覆盖宽度为基础的综合准则(CWC)这三大指标,把本模型与多个参照模型的预测结果进行综合对比。本文创新之处在于提出了一种新的分解与集成模型,且对所研究的序列做了不同置信水平的区间预测。这样既可以让不同模型之间得到充分对比,又有利于筛选出在该预测问题上表现更为出色的模型,更有利于人们对模型预测结果更为全面地把握。实证研究中的结果表明,本文所提出的模型相较于其它模型对兰州市和南京市的空气质量指数区间预测有着更好的有效性、准确性和简单实用性。