La calidad del aire es un tema altamente relevante para cualquier economía desarrollada. La alta incidencia de los niveles de contaminación y su impacto en la salud humana ha atraído la atención de la comunidad científica de aprendizaje automático. Presentamos un estudio que utiliza varios métodos de aprendizaje automático para predecir la concentración de NO utilizando datos históricos de contaminación y variables meteorológicas, aplicándolos a la ciudad de Erfurt, Alemania. Proponemos modelar la dependencia temporal utilizando variables de incrustación, que permiten al modelo aprender el comportamiento implícito del tráfico y ofrecen la posibilidad de elaborar sobre eventos locales. Además, el modelo utiliza siete características meteorológicas para predecir la concentración de NO para las próximas horas. El modelo de pronóstico también utiliza la estacionalidad de los niveles de contaminación. Nuestro estudio experimental muestra que se pueden lograr pronósticos prometedores, especialmente para días festivos y ocasiones similares que conducen a cambios en los patrones de estacionalidad habituales. Mientras que los valores de MAE de los modelos comparados oscilan entre 0 y 15, nuestro modelo alcanza valores de 0 a 10 y, por lo tanto, supera a los demás en casi todas las instancias. Esos pronósticos, nuevamente, pueden ser utilizados, por ejemplo, para regular fuentes de contaminantes como, por ejemplo, el tráfico.