空气中有害气体的浓度序列具有较强的复杂性、非线性及波动性，为气体浓度的准确预测带来了很大挑战。针对该问题，提出了一种基于变分模态分解（VMD）和误差补偿（ECM）的Transformer预测模型（VMD-Transformer-ECM）。首先通过VMD将气体浓度时间序列分解成不同频率的本征模态函数（IMF），以降低预测模型输入的复杂性和非平稳性；然后通过Transformer模型对分解所得的各模态分量进行预测，并对预测结果进行重构以得到初步预测值；最后通过ECM模型对误差序列进行预测，并使用误差预测值来补偿初步预测值，以进一步提高模型的预测精度。在不同数据集中对所提模型进行了验证，结果显示，与其他模型相比，VMD-Transformer-ECM模型对CO₂及其他有害气体浓度预测的平均绝对百分比误差（MAPE）和均方根误差（RMSE）最小，决定系数（R²）最大，其中在预测步长为3 h时，本模型对CO₂浓度预测的MAPE为4.38%,RMSE为35.44×10^-6,R²为0.94，表明所提模型的预测精度较高，预测性能较好。