Para abordar de manera efectiva la contaminación del aire y mejorar la calidad del aire, los gobiernos deben ser capaces de predecir el índice de calidad del aire con alta precisión y fiabilidad. Sin embargo, la predicción de la calidad del aire está sujeta a ambigüedad e inestabilidad debido a la fluidez de la atmósfera, lo que hace que sea un desafío identificar las correlaciones temporales y espaciales utilizando un solo modelo. Por lo tanto, se propone un nuevo modelo híbrido basado en una red neuronal interpretable y una red neuronal de grafos (INNGNN), que simula la dependencia temporal y espacial de la calidad del aire y logra una predicción precisa de la calidad del aire a múltiples pasos. Primero, se interpreta una serie temporal utilizando redes neuronales interpretables (INN) para extraer los aspectos potencialmente importantes que a menudo se pasan por alto en los datos; en segundo lugar, un mecanismo de autoatención captura las dependencias y asociaciones locales y globales en la serie temporal. Por último, se crea un mapa de la ciudad utilizando una red neuronal de grafos (GNN) para determinar las relaciones entre las ciudades con el fin de extraer las características dependientes del espacio. En la evaluación experimental, los resultados muestran que el modelo INNGNN tiene un mejor rendimiento que los algoritmos comparables. Por lo tanto, se confirma que el modelo INNGNN puede capturar de manera efectiva las relaciones temporales y espaciales y predecir mejor la calidad del aire.