هدف اصلی تحقیق استفاده از مدلی است که بتواند بین عناصر اقلیمی و آلودگی هوا ارتباط برقرار کند. بدین منظوراز سه مدل متفاوت شبکه عصبی احتمالی، مدل رگرسیون خطی و مدل پرسپترون چندلایه استفاده شد. برای این تحقیق از آمار یک ساله ی اداره ی حفاظت محیط زیست مشهد استفاده شد. این آمار مربوط به آلاینده های هوا شامل (CO- NO- O3- SO2) و آمار هواشناسی شامل پارامترهای اقلیمی (رطوبت نسبی، درجه حرارت، جهت باد و سرعت باد) می باشد. داده های آلودگی هوا از تعداد 11 ایستگاه آلوده سنجی جمع آوری شده است. این داده ها به صورت ساعتی بوده و سپس از آنها میانگین گرفته شد.پس ازدرون یابی فاصله معکوس وزندار وتحلیل داده ها به منظور پیش بینی روابط داده ها با استفاده از مدل شبکه عصبی داده ها به دسته های آموزشی(70%)، ارزیابی(15%) و تست(15%) طبقه بندی شدند. در این تحقیق برای تحلیل، از دسته ی داده های آموزشی استفاده شد. نتایج نشان داد که میزان میانگین مربعات خطا(MSE) و میانگین مطلق خطا (MAE) در مدل شبکه عصبی احتمالی پایین تر بوده و نتایج نشان داده است که مدل شبکه عصبی احتمالی، توانسته است رابطه منطقی بین آلودگی هوا و پارامترهای هواشناسی برقرار کند. از بین عناصر اقلیمی تاثیرگذار بر منواکسید کربن، رطوبت نسبی در ساعت 12:30و جهت باد بیشترین اثر را داشته اند، همچنین عواملی اقلیمی تاثیرگذار بر غلظت دی اکسید گوگرد رطوبت نسبی در ساعت 6:30 و درجه حرارت مطلق بوده است.
