La contaminación en áreas urbanas ha sido uno de los problemas más relevantes de la última década, ya que representa una amenaza para la salud pública. Específicamente, las partículas en suspensión (PM) son un contaminante que causa serias complicaciones de salud, como enfermedades cardíacas y pulmonares. Se han establecido centros para monitorear contaminantes y variables climáticas para adoptar medidas que controlen las consecuencias de los altos niveles de contaminación del aire. Sin embargo, estos centros de monitoreo a veces toman decisiones cuando los niveles de contaminación ya son perjudiciales para la salud, lo que puede estar relacionado con la descalibración de sensores y fallos. Este estudio presenta un sistema de predicción de PM basado en un modelo de espacio de estados desarrollado con datos reales de 2019, además de un filtro de Kalman para mejorar la predicción. El sistema fue posteriormente validado utilizando datos reales capturados en 2018 en el Valle de Aburrá. Por lo tanto, este es un primer paso importante hacia un sistema de diagnóstico y predicción de PM más robusto en presencia de datos falsos y desajustados en la medición.