En este documento, investigamos modelos matemáticos de pronóstico meteorológico basados en el trabajo de redes neuronales, que nos permiten calcular parámetros meteorológicos presumibles de la ubicación deseada en función de datos meteorológicos anteriores. Se propone un nuevo método de agrupación de redes neuronales para obtener un resultado de salida más preciso. Se presenta un algoritmo, en base al cual se obtuvo el pronóstico meteorológico más preciso en función de los resultados del estudio. Este algoritmo puede ser utilizado en una amplia gama de situaciones, como obtener datos para el funcionamiento de equipos en una ubicación determinada y estudiar parámetros meteorológicos de la ubicación. Para construir este modelo, se utilizaron datos obtenidos de estaciones meteorológicas personales de la compañía Weather Underground y la Base de Datos de Pronóstico Digital Nacional de EE. UU. (NDFD). Además, se utilizó una máquina de aprendizaje remoto de Google para comparar los resultados con los productos existentes en el mercado. El algoritmo para construir el modelo de pronóstico abarcó varias ubicaciones en los EE. UU. con el fin de comparar su rendimiento en diferentes zonas climáticas. También se consideraron diferentes métodos de entrenamiento de la máquina para producir el resultado de pronóstico del tiempo más efectivo.