O estudo das variações climáticas influenciadas por poluentes e pelo crescimento populacional desordenado se torna cada vez mais importante, pois a qualidade do ar conduz a uma melhor qualidade de vida da população e no meio ambiente. O objetivo desta pesquisa foi desenvolver um modelo para a previsão da concentração diária de material particulado inalável (PM10) na região da Universidade da Região de Joinville-(UNIVILLE), utilizando a modelagem de dados com redes neurais artificiais (ANN). Os dados para o treinamento desta rede foram obtidos com a coleta de informações de variáveis meteorológicas (precipitação, temperatura, umidade, velocidade e direção do vento), paralelamente com a coleta de amostras da concentração de material particulado inalável na Estação Meteorológica da UNIVILLE. Os resultados obtidos até o momento foram a elaboração de um banco de dados com informações meteorológicas e amostras de PM10, a análise estatística descritiva desses dados, e o treinamento de ANN com uma arquitetura de rede que contempla 3 camadas, sendo 10 neurônios na camada oculta, e resultados de erro quadrático médio de aproximadamente 0,01 e regressão linear 0,92, treinada com algoritmo de aprendizado backpropagation. O trabalho pretende disponibilizar um sistema inteligente capaz de prever a concentração de material particulado inalável acumulado em 24 horas na região estudada e um modelo computacional que possa ser aplicado a outras regiões, precisando somente ser treinado com os dados da região desejada. Sendo ainda uma ferramenta que auxilie órgãos governamentais, ambientais e de defesa civil para que possam se adaptar e tomar as medidas adequadas a possíveis variações elevadas da concentração de PM10 que se apresentem nocivas à saúde da população.