Visoke koncentracije dušikova dioksida (NO2) u zraku mogu ozbiljno utjecati na ljudsko zdravlje. Dugotrajno izlaganje ovoj onečišćujućoj tvari može uzrokovati ili pogoršati respiratorne probleme, uzrokujući bolesti kao što su astma i bronhitis. U ovom radu razvijene su 1D konvolucijske neuronske mreže s ciljem predviđanja koncentracija NO2 na urbaniziranom području grada Graza u Austriji. Za izradu modela korišten je programski jezik Python te pripadajuće biblioteke (Pytorch, Pandas, Numpy, itd.). Podatci su prikupljeni s mjerne postaje Zapad u Grazu. U svrhu optimizacije modela za predviđanje koncentracija NO2 ispitivana je različita kombinacija hiperparametara modela kao što su veličina vremenskog prozora kod vremenskih nizova, stopa učenja i regularizacijski član lambda. Za razvoj modela koristile su se meteorološke, temporalne i lag značajke. Podskupovi podataka uzimani su u različitim vremenskim periodima: podskup za učenje (treniranje) modela, 1.1.2014 do 15.3.2018, podskup za validaciju, 15.3.2018 do 15.3.2019 te testni skup, 15.3.2019 do 15.3.2020. Razvijeni modeli pokazali su dobru sposobnost generalizacije, a najbolji rezultat modela konvolucijske neuronske mreže postignut je sa vremenskim prozorom 12, stopom učenja 0,0001 i regularizacijskim članom lambda 0,1 te postiže koeficijent determinacije R^2=0,62. Usporedno je razvijen i model slučajnih šuma (engl. Random Forest) koji postiže koeficijent determinacije R^2=0,65.