پیش بینی رفتار آلاینده های ناشی از عملکرد خودروها در محیط ، از پیچیده ترین مسائل مربوط به شیمی اتمسفر است . در این میان ‏‎thc‎‏ از یک طرف به عنوان آلاینده ای که در سطح زمین اثرات سو بر محیط زیست و انسان دارد و از طرف دیگر بخاطر واکنشهای پیچیده ای که برای تولید و از بین رفتن ‏‎thc‎‏ در محیط انجام می گیرد از مسائل مهم مربوط به شیمی اتمسفر می باشد با توجه به پیچیدگی نقش ‏‎thc‎‏ در فرایندهای شیمیایی اتمسفر و عوامل موثر برمیزان ‏‎thc‎‏ که باعث پیچیدگی مدلهای ریاضی می گردد ، استفاده از یک سیستم هوشمند برای مدلسازی رفتار ‏‎thc‎‏ مناسب می باشد. در پروژه حاضر عوامل موثر بر تشکیل و حذف هیدروکربنها با استفاده از شبکه های عصبی مصنوعی که شاخه ای از سیستمهای هوشمند است مورد بررسی قرار گرفته است. اطلاعات مورد نیاز برای شبکه از اطلاعات ایستگاهی در منطقه فاطمی و بازار تهیه شده است . نتایج به دست آمده از آموزش و آزمایش شبکه نشان می دهد که شبکه عصبی مناسبی برای پیش بینی مقدار ‏‎thc‎‏ می باشد. اثر پارامترهای ورودی در پیش بینی مقدار ‏‎thc‎‏ نیز بررسی شده است. تغییر مناسب منحنی های پارامترهای مختلف بیانگر عملکرد خوب مدل است. منحنی های پارامترهای ورودی به شبکه عصبی عبارتند از : رطوبت نسبی، سرعت باد، جهت باد، دما، شدت تابش نور خورشید، دی اکسید گوگرد، مونواکسید نیتروژن، دی اکسید نیتروژن، اکسیدهای نیتروژن، مونواکسید کربن ، ازن، و ذرات معلق با قطر بیش از 10 میکرون.