La contaminación del aire es un tema de gran preocupación en las ciudades chinas. Con el empeoramiento de la contaminación del aire, las aglomeraciones urbanas enfrentan un entorno cada vez más complejo para el monitoreo de la calidad del aire, lo que obstaculiza el desarrollo sostenible y de alta calidad en China. Se necesitan urgentemente métodos más efectivos para predecir la calidad del aire. En este estudio, empleamos siete modelos individuales y algoritmos de aprendizaje en conjunto y construimos un algoritmo de aprendizaje híbrido, el modelo LSTM-SVR, totalizando ocho algoritmos de aprendizaje automático, para predecir el Índice de Calidad del Aire en seis importantes aglomeraciones urbanas en China. Comparamos de manera integral el rendimiento predictivo de los ocho modelos algorítmicos en diferentes aglomeraciones urbanas. Los resultados revelan que, en áreas con niveles más altos de contaminación del aire, la situación para la predicción del modelo es más complicada, lo que lleva a una disminución en la precisión predictiva. El modelo híbrido construido LSTM-SVR demostró el mejor rendimiento predictivo, seguido por el modelo en conjunto RF, ambos los cuales mejoraron efectivamente la precisión predictiva en áreas con alta contaminación. En general, el rendimiento predictivo de los modelos híbridos y en conjunto es superior al de los métodos de predicción de modelo único. Este estudio proporciona apoyo tecnológico de IA para la predicción de la calidad del aire en diversas regiones y ofrece una discusión más completa sobre las diferencias de rendimiento entre diferentes tipos de algoritmos, contribuyendo a la aplicación práctica del control de la contaminación del aire.