El dióxido de nitrógeno (NO) es un precursor importante de los aerosoles atmosféricos. Predecir la concentración de NO en áreas urbanas es vital para un control efectivo de la contaminación del aire. Este artículo propone un modelo híbrido de aprendizaje profundo para predecir las concentraciones promedio diarias de NO del día siguiente, basado en contaminantes atmosféricos, datos meteorológicos y datos históricos durante 2014 a 2020 en cinco ciudades costeras de la península de Shandong, en el norte de China. Se utilizó un algoritmo de Bosque Aleatorio (RF) para seleccionar variables de entrada y reducir la dimensionalidad de los datos, entrenando el modelo de secuencia a secuencia (Seq2Seq) y describiendo cómo el modelo Seq2Seq entiende cada variable predictora. El modelo híbrido que combina un RF con una red Seq2Seq (RF-S2S) fue evaluado y logró un coeficiente de correlación de Pearson de 0.93, un coeficiente de Nash-Sutcliffe de 0.79, un error cuadrático medio de 5.85 ug/m, un error absoluto medio de 4.50 ug/m y un error porcentual absoluto medio de 20.86%. La selección de características mediante un modelo RF mejora el rendimiento del modelo Seq2Seq, reduciendo errores en un 19.7%, 20.3% y 29.3%, respectivamente. El monóxido de carbono (CO) y el PM10 son dos características comunes e importantes que influyen en la predicción de las concentraciones de NO en áreas costeras del norte de China. Los resultados de los modelos RF-S2S pueden capturar tendencias generales y perturbaciones con mayor precisión que los modelos de memoria a largo y corto plazo (LSTM) con y sin selección de características. La tendencia decreciente de NO de 2014 a 2020 ilustrada por el método de descomposición de modo empírico (EMD) es un obstáculo importante para mejorar la precisión de predicción del RF-S2S. Un modelo RF-S2S basado en EMD podría ayudar a realizar la predicción a corto plazo de las concentraciones de NO de manera eficiente.