Los problemas graves de contaminación del aire continúan aumentando debido a la industrialización y urbanización aceleradas. Específicamente, las partículas finas causan enfermedades respiratorias y cardiovasculares, y según la Organización Mundial de la Salud (OMS), millones de muertes prematuras y cargas de salud significativas anualmente. Por lo tanto, la previsión de concentraciones es esencial. Este estudio propuso un método para prever concentraciones una hora después utilizando Atención Secuencia a Secuencia (Seq2Seq-attention). El método propuesto selecciona estaciones vecinas utilizando redundancia mínima y máxima relevancia (mRMR) e integra sus datos utilizando una red neuronal convolucional (CNN). La puntuación de atención propuesta y Seq2Seq se utilizan en los datos integrados para prever la concentración después de una hora. El rendimiento del método propuesto se valida a través de dos estudios de caso. La primera comparación evaluó el rendimiento de la puntuación de atención convencional frente a las puntuaciones de atención propuestas. La segunda comparación evaluó los resultados de la previsión con y sin considerar las estaciones vecinas. El primer estudio mostró que la puntuación de atención propuesta mejoró el índice de rendimiento (Error Cuadrático Medio (RMSE): 3.48%p, Error Absoluto Medio (MAE): 8.60%p, : 0.49%p, Error Cuadrático Medio Relativo (rRMSE): 3.64%p, Sesgo Porcentual (PBIAS): 59.29%p). El segundo estudio de caso mostró que considerar los datos de las estaciones vecinas puede ser más efectivo en la previsión que considerar los de una estación independiente (RMSE: 5.49%p, MAE: 0.51%p, : 0.67%p, rRMSE: 5.44%p, PBIAS: 46.56%p). Esto confirmó que el método propuesto puede prever efectivamente la concentración después de una hora.