Predecir con precisión la concentración de contaminantes del aire puede reducir los riesgos para la salud y proporcionar una referencia importante para la gobernanza ambiental. Este estudio propone un nuevo modelo de aprendizaje profundo, GLA-Net, que tiene como objetivo lograr una predicción de alta precisión del índice de calidad del aire (AQI) de las estaciones de monitoreo. Específicamente, el bloque GLSTM está diseñado para utilizar el módulo GAT para capturar la interacción espacial dinámica del AQI, generar características semánticas espaciales y luego usar LSTM para capturar las características de correlación temporal de estas características espaciales. Este documento utiliza una red LSTM fuera del bloque GLSTM para capturar las características temporales originales de los datos de entrada. Luego, las características temporales de la salida de LSTM se añaden a las características espaciotemporales dinámicas del bloque GLSTM para obtener las características espaciotemporales finales como entrada de la capa de atención temporal subsiguiente. La capa de atención temporal utiliza un mecanismo de autoatención de múltiples cabezas para centrarse en el impacto de las características espaciotemporales de los datos históricos de calidad del aire en cada paso de tiempo de predicción, y realiza la predicción del AQI a través de una capa completamente conectada. El análisis basado en datos medidos de Beijing, Shanghái y Shenzhen muestra que el modelo GLA-Net tiene ventajas significativas en la predicción de cambios de un solo paso y de múltiples pasos en el AQI. El estudio encontró que, aunque el modelo tiene un gran error absoluto al predecir concentraciones en áreas altamente contaminadas, puede captar mejor la tendencia de los cambios. Esta característica es particularmente evidente en Beijing (AQI medio 64.289), con un error cuadrático medio (RMSE) de 12.716 y un índice de concordancia (IA) de 0.983.