Este estudio considera el uso de la regresión multilínea y la modelización de redes neuronales artificiales para predecir las concentraciones de ozono con respecto a indicadores relacionados con el clima (velocidad del viento, dirección del viento, humedad relativa y temperatura). Los datos iniciales se obtuvieron midiendo los parámetros meteorológicos utilizando la Estación Meteorológica Radio PC. Las concentraciones de ozono cerca de líneas de alta tensión se midieron utilizando RS1003 y a una distancia de 220 m utilizando ML9811. Se construyeron modelos de redes neuronales como el perceptrón multicapa y las redes neuronales de función de base radial. Las capacidades pronósticas de los modelos diseñados se evaluaron comparando los datos resultantes a través del cuadrado del coeficiente de correlaciones múltiples () y los valores del error cuadrático medio (MSE). El número de neuronas ocultas se optimizó al disminuir una función de error que registraba el número de unidades en las capas ocultas hasta la precisión de las redes expandidas. El software neuronal IBM SPSS 26v se utilizó para la modelización de redes neuronales artificiales (ANN). El estudio demostró que el enfoque de modelización de regresión lineal carecía de capacidad para predecir las concentraciones de ozono investigadas por los parámetros utilizados, mientras que el uso de una ANN ofrecía resultados más precisos. Los resultados de las pruebas realizadas establecieron la fortaleza de los modelos de redes neuronales artificiales diseñados con diferencias irrelevantes entre los datos detectados y pronosticados.