La contaminación por partículas (PM) es un problema ambiental crucial. Considerando sus efectos adversos en la salud, especialmente en los sistemas inmunológicos de los niños, las regulaciones coreanas requieren mediciones anuales de PM en los centros de cuidado infantil. Por lo tanto, desarrollamos un modelo de calibración de sensores de PM de bajo costo para medir las concentraciones de PM en interiores en los centros de cuidado infantil utilizando algoritmos de memoria a largo y corto plazo (LSTM). Además, entrenamos el modelo para predecir el PM en función de la temperatura y la humedad, y optimizamos sus hiperparámetros. El modelo logró una alta precisión y superó los métodos de calibración tradicionales. El período de retroceso óptimo fue de 76, lo que llevó a un alto rendimiento de calibración con errores cuadráticos medios y errores medios, un coeficiente de determinación y errores absolutos medios de 3.57 y 12.745, 0.962 y 2.7, respectivamente. El modelo LSTM demostró un mejor rendimiento de calibración que los modelos de regresión lineal (r = 0.57) y múltiple (r = 0.75). El modelo de calibración desarrollado proporcionó valores de medición precisos a corto plazo para la gestión óptima de las concentraciones de PM en interiores. Esta metodología puede aplicarse a entornos similares para obtener nuevos aprendizajes y hiperparámetros. Nuestros resultados ayudarán a mejorar la precisión de los sensores de bajo costo para medir las concentraciones de PM en interiores, proporcionando así soluciones rentables para mejorar la salud y el bienestar de los niños en los centros de cuidado infantil y otras instalaciones de uso múltiple.