En el presente trabajo se desarrolla un modelo de pronóstico capaz de predecir (con múltiples etapas adelantadas) el comportamiento de las variables de contaminación ambiental de material particulado PM2.5 mediante el uso de los datos de concentraciones de contaminantes de material particulado (PM2.5 y PM10) y químicos (CO, SO2, NO) producidos en la estación automatizada de calidad de aire de Carabayllo. El modelo ha sido entrenado, con datos reales de la estación automatizada de calidad de aire del distrito de Carabayllo en el intervalo de 2 años, sobre tres diferentes algoritmos de retropropagación y dos modelos de neuronas en una única capa oculta para hallar parámetros de un modelo óptimo de predicción. Experimentalmente se probaron 6 modelos de redes sobre un rango de número de neuronas. La red optimizada fue aplicada sobre un grupo de 72 datos de prueba obteniendo resu...