La exposición a la contaminación del aire representa una amenaza seria para la salud humana. La previsión precisa de la contaminación del aire puede ayudar a las personas a reducir los riesgos de exposición y promover el control de la contaminación ambiental, y también es una parte extremadamente importante de la gestión de ciudades inteligentes. Sin embargo, los modelos actuales basados en aprendizaje profundo para la previsión de la contaminación del aire suelen centrarse en la mejora de la precisión de la predicción sin considerar la interpretabilidad del modelo. Estos modelos suelen fallar en explicar las complejas relaciones entre los objetivos de predicción y los factores externos (por ejemplo, la concentración de ozono (O), la velocidad del viento, la variación de temperatura, etc.). Las relaciones entre las variables en los problemas de predicción de series temporales de contaminación del aire son muy complejas, con relaciones intrincadas entre diferentes tipos de variables, a menudo con dependencias multivariadas no lineales. Para abordar los problemas mencionados anteriormente, propusimos una red autoformer híbrida con optimización de algoritmo genético para predecir la variación temporal de la contaminación del aire, así como establecer relaciones interpretables entre los contaminantes y las variables externas. Además, se diseñó un operador de votación de variables élite para filtrar mejor los factores externos más importantes, como las variables élite, con el fin de realizar una búsqueda más refinada de variables élite. Además, diseñamos un operador de almacenamiento de archivo para reducir el efecto de la inicialización del modelo de red neuronal en la búsqueda de variables externas. Finalmente, realizamos experimentos exhaustivos en el conjunto de datos de contaminación del aire de Ma"anshan para verificar el modelo propuesto, donde la precisión de la predicción mejoró entre un 2 y un 8%, y la selección de factores influyentes del modelo fue más interpretable.