La minería es una de las actividades más antiguas en el mundo, y la gestión de los peligros es uno de los grandes retos que enfrenta la industria minera. En la minería subterránea, específicamente en la minería de carbón, uno de los métodos más empleado es el Longwall, sin embargo, la presencia de gas metano es un problema recurrente en este tipo de minería. En las minas de carbón, usualmente se emplean sensores de monitoreo para controlar la calidad del aire, pero estos sistemas pueden presentar errores de lectura ocasionando situaciones de riesgo. Por lo tanto, el control y la validación de los sensores es fundamental para garantizar datos fiables y por ende condiciones seguras en el interior mina. El presente proyecto tiene como objetivo validar los sensores que monitorean el gas metano dentro de las minas de carbón mediante la implementación de redes neuronales o AE no lineales. Para este propósito, se programó y se implementó AE para la validación de los sensores objeto de estudio, y se los comparó con otros métodos tradicionales como PCA, ICA y KPCA. Los resultados muestran que el método de AE tiene una exactitud mayor que los otros métodos evaluados y además presenta un menor error en la reconstrucción o validación de los datos. La información recaba en este proyecto puede contribuir en los procesos de monitoreo oportuno y eficaz de la calidad de aire en proyectos mineros de extracción de carbón en minería subterránea.