Predecir con precisión la calidad del aire en una granja porcina y tomar medidas de control con anticipación son cuestiones importantes para la producción en granjas de cerdos y la gestión ambiental local. En este experimento, se estudió la concentración de NH en una granja porcina semiautomática. Primero, se combinó el algoritmo de bosque aleatorio (RF) y el análisis de correlación de Pearson para analizar los parámetros ambientales, y se identificaron nueve esquemas de entrada para los parámetros de características del modelo. Se aplicaron tres tipos de aprendizaje profundo y tres tipos de algoritmos de aprendizaje automático convencional para la predicción de NH en la granja porcina. A través de experimentos comparativos, se seleccionaron parámetros ambientales apropiados (CO, HO, P y temperatura exterior) y algoritmos superiores (LSTM y RNN). Sobre esta base, se utilizó el algoritmo PSO para optimizar los hiperparámetros de los algoritmos, y también se evaluó su rendimiento de predicción. Los resultados mostraron que los valores de PSO-LSTM y PSO-RNN fueron 0.9487 y 0.9458, respectivamente. Estos modelos tuvieron buena precisión al predecir la concentración de NH en la granja porcina con 0.5 h, 1 h, 1.5 h y 2 h de anticipación. Este estudio puede proporcionar una referencia para la predicción de concentraciones de aire en entornos de casas de cerdos.