Con la profundización de la Revolución Industrial y el rápido desarrollo de la industria química, las emisiones a gran escala de polvo y gases corrosivos de numerosas fábricas se han convertido en una fuente significativa de contaminación del aire. El mercurio en la atmósfera, identificado por el Programa de las Naciones Unidas para el Medio Ambiente (PNUMA) como uno de los contaminantes del aire de preocupación global, ha demostrado representar una amenaza para el medio ambiente humano con posibles riesgos carcinogénicos. Por lo tanto, predecir con precisión la concentración de mercurio atmosférico es de vital importancia. Este estudio propone un modelo avanzado novedoso, el Trans-BiGRU-QA híbrido, diseñado para predecir con precisión la concentración de mercurio atmosférico. La metodología incluye técnicas de ingeniería de características para extraer características relevantes y aplica una técnica de ventana deslizante para el preprocesamiento de datos de series temporales. Además, el modelo propuesto Trans-BiGRU-QA se compara con otros modelos de aprendizaje profundo, como GRU, LSTM, RNN, Transformer, BiGRU y Trans-BiGRU. Este estudio utiliza datos de calidad del aire de Vietnam para entrenar y probar los modelos, evaluando su rendimiento en la predicción de la concentración de mercurio atmosférico. Los resultados muestran que el modelo Trans-BiGRU-QA tuvo un rendimiento excepcional en términos de Error Absoluto Medio (MAE), Error Cuadrático Medio (RMSE) y R-cuadrado (R), demostrando una alta precisión y robustez. En comparación con otros modelos de aprendizaje profundo, el modelo Trans-BiGRU-QA mostró ventajas significativas, lo que indica su amplio potencial para su aplicación en la predicción de la contaminación ambiental.