در این مقاله داده های آلودگی هوا که به صورت سریهای زمانی و در بازه های نیم ساعته می باشند را با کمک شبکه های عصبی پرسپترون چند لایه، حافظه دار تاخیر، گاما و شبکه عصبی- فازی ANFIS به همراه روشی ترکیبی و نوین در آموزش آن بر اساس الگوریتم بهینه سازی گروهی ذرات که روشی آزاد از گرادیان می باشد، پیش بینی نمودیم. برای پیش بینی داده ها، ابتدا به آنالیز پیش بینی پذیری داده ها پرداخته و با کمک شبکه های فوق الذکر اقدام به پیش بینی آلودگی هوا نمودیم و در نهایت این روشهای هوشمند را با هم مقایسه کردیم و نشان دادیم روش پیشنهادی ترکیبی بر اساس PSO و فیلتر کالمن برای آموزش شبکه ANFIS توانایی مناسبی در بهبود عملکرد پیش بینی دار است.