Los cambios en tiempo real de los contaminantes atmosféricos y las interacciones internas entre varios datos hacen que sea un desafío predecir de manera eficiente las variaciones de concentración. Con el fin de extraer más información de la serie temporal de contaminantes y mejorar la precisión de los modelos de predicción, proponemos un tipo de modelo de Perceptrón Multicapa basado en la descomposición wavelet, llamado modelo de Perceptrón Multicapa basado en Transformada Wavelet (WTMP). Este modelo descompone los datos de contaminantes a través de transformadas wavelet discretas superpuestas para extraer no estacionariedad y dependencias no lineales en la serie temporal. Combina los datos descompuestos con información de covariables estáticas, como el tiempo de recolección de datos, y los introduce en un modelo de Perceptrón Multicapa (MLP) mejorado, reconstruyendo y generando los resultados de predicción. Finalmente, el modelo se valida utilizando datos de contaminantes atmosféricos recolectados en un lugar específico de la ciudad de Ruian, en la provincia de Zhejiang, China. Los resultados indican que el modelo funciona bien con errores de predicción mínimos.