Se uso una Red Neuronal Artificial alimentada con seis variables meteorológicas y tres químicas. Los nodos de la capa oculta se variaron entre doce y quince, las funciones de transferencia de la capa interna fueron log-sigmoidal, y de la de salida fue lineal. Para entrenar la red se empleó un algoritmo de Levenberg-Marquardt con datos históricos de 1999 a 2004. Datos del año 2005 fueron usados para verificar la capacidad predictiva de la red ya entrenada, y evaluar la calidad del aire en tres niveles: buena, moderada y mala. El modelo tuvo eficiencias globales de alrededor del 50%, llegando a 65% para concentraciones elevadas de ozono.