تاثیر آلاینده های هوا بر سلامتی افراد، بسیار واضح است و لذا در این بین، بیمارانی با زمینه های مشکلات قلبی و عروقی در معرض خطر بیشتری نسبت به افراد سالم هستند. با وجود این مشکل، نیاز به داشتن راه کارهای مناسب برای مقابله با این خطرات احساس می شود. استفاده از مدل ریاضی در پیش بینی تعداد افرادی که در روزهای آینده به علت مشکلات تنفسی و یا قلبی به بیمارستان ها و مراکز درمانی مراجعه می کنند، می تواند در خدمات رسانی بهتر و جلوگیری از پیش آمدن شرایط بحرانی مفید باشد. به این منظور در این پایان نامه، جهت پیش بینی تعداد مراجعین بیماران قلبی و تنفسی به بخش اورژانس، با توجه به شرایط هواشناسی و غلظت هر یک از آلاینده ها در روزهای گذشته، ابتدا از یک مدل رگرسیون خطی استفاده شده است، ولی با توجه به مطلوب نبودن پیش بینی ها در این مدل، سعی بر این شده است تا از مدلی استفاده شود که رابطه ای غیر خطی، میان اثرات کوتاه مدت آلودگی هوا و سلامتی انسان برقرار کند. بدین منظور در این تحقیق، از دو مدل شبکه عصبی استفاده گردیده است. اولین مدل، شبکه عصبی پرسپترون چند لایه می باشد و در نهایت با توجه به حافظه دار بودن سیستم مورد مطالعه، از مدل شبکه عصبی دیگری به نام شبکه عصبی المن، که یک شبکه حافظه دار بازگشتی است استفاده شده است. در ضمن عملکرد شبکه عصبی المن استفاده شده در این تحقیق، با شبکه عصبی پرسپترون چند لایه و مدل رگرسیون خطی نیز مقایسه شده است که نتایج برتری این روش را نسبت به دیگر روش ها نشان می دهد. همچنین در این پایان نامه آلاینده های مهم در پیش بینی تعداد مراجعین قلبی و تنفسی برجسته شده است.