Entender la relación entre las variables ambientales y las concentraciones de gases de la producción ganadera es esencial para evaluar el impacto de los contaminantes en el alojamiento animal y las áreas circundantes. Este estudio investiga el uso de redes neuronales artificiales (ANNs) para predecir las concentraciones de NH en un establo lechero mediterráneo bajo condiciones estacionales, a saber, clima cálido, frío y de transición. Se empleó una estructura de Perceptrón Multicapa (MLP), entrenada utilizando los algoritmos de Levenberg-Marquardt y Regularización Bayesiana. El conjunto de datos de entrada incluía diez variables relacionadas con las condiciones ambientales internas y externas, las concentraciones de NH y la hora del día. Los modelos se evaluaron utilizando R, R, MAE, MSE y RMSE como métricas de rendimiento. Los resultados mostraron fuertes capacidades predictivas, con valores de R que oscilaban entre 0.75 y 0.96 y valores de RMSE entre 0.47 y 0.80 debido al número de datos de entrada (diferentes días) y condiciones ambientales. Estos hallazgos destacan el potencial de las ANNs como herramientas efectivas para la predicción de contaminantes en tiempo real, apoyando las estrategias de Agricultura de Precisión en Ganadería (PLF).