电离层总电子含量（total electron content,TEC）是无线电波传播和航天活动中的关键参数，建立高精度的电离层TEC预测模型具有重要意义。本文利用国际GNSS服务（International GNSS Service,IGS）欧洲定轨中心（Center for Orbit Determination in Europe, CODE）提供的TEC数据，提出一种结合时空Transformer（spatio-temporal transformer, STT）与时间卷积网络（temporal convolutional network, TCN）并引入时空注意力机制的组合预测模型TCN-STT，来对TEC进行预测。本研究基于中国及周边地区2000年至2023年共8 766天的TEC数据，采用滑动窗口方法构建了8764个样本。所有样本依据Kp地磁指数（Kp<4,4≤Kp<7,Kp≥7）分为三类并进行随机抽样，确保在训练集、验证集和测试集中不同地磁活动强度的样本分布相对均匀，并最终按照8:1:1的比例进行划分。实验结果表明，在地磁平静期（Kp <4），样本的RMSE均值为2.62 TECU，平均相对精度均值为90.5%；在地磁活跃期（4≤Kp <7），样本的RMSE均值增至3.94 TECU，平均相对精度均值下降至87.7%；而在地磁强扰期（Kp≥7），样本的RMSE均值进一步达到8.95TECU，平均相对精度均值降低至81.3%。总体来看，模型在测试集全部样本上的RMSE均值为2.68 TECU，平均相对精度为90.36%。此外，模型在测试集全部样本上的预测值与真实值的相关系数为0.9866，决定系数（R2）为0.9734，充分表明模型具有优秀且稳定的预测性能。
