La simulación precisa de la concentración de ozono puede proporcionar una referencia de salud para la vida diaria de las personas. Simular las concentraciones de ozono es una tarea compleja porque la producción de ozono cerca de la superficie se determina por una combinación de compuestos orgánicos volátiles (COV) y emisiones de NOx, reacciones fotoquímicas atmosféricas y factores meteorológicos. En este estudio, aplicamos una red neuronal de retropropagación optimizada por un algoritmo genético (GA-BP), regresión lineal múltiple (MLR), red neuronal BP, algoritmo de bosque aleatorio (RF) y red de memoria a corto y largo plazo (LSTM) para modelar las concentraciones de ozono en tres regiones de Xinjiang, China (distritos de Urumqi, Hotan y Dushanzi) por primera vez, ingresando velocidad del viento, humedad, visibilidad, temperatura y dirección del viento. Los resultados mostraron que los errores relativos promedio de las simulaciones del modelo en los distritos de Urumqi, Hotan y Dushanzi fueron BP (61%, 14% y 16%), MLR (97%, 14% y 23%), RF (39%, 11% y 14%), LSTM (50%, 12% y 16%) y GA-BP (16%, 4% y 6%), y que los coeficientes de significancia R fueron BP (0.73, 0.65 y 0.83), MLR (0.68, 0.62 y 0.74), RF (0.85, 0.80 y 0.88), LSTM (0.78, 0.74 y 0.85) y GA-BP (0.92, 0.93 y 0.94), respectivamente, siendo los valores simulados de GA-BP los más cercanos a los valores reales. Los resultados del modelo GA-BP mostraron que entre las 100 muestras con la misma velocidad del viento, humedad, visibilidad, temperatura y datos de dirección del viento, las concentraciones de ozono simuladas más altas en los distritos de Urumqi, Hotan y Dushanzi fueron 173.5 g/m, 114.3 g/m y 228.4 g/m, respectivamente. Los resultados proporcionan una base teórica para el control efectivo de la contaminación por ozono regional en áreas urbanas (Urumqi), áreas polvorientas (Hotan) y áreas industriales (Dushanzi) en Xinjiang.