Los productos de retraso troposférico juegan un papel crítico en la consecución de posicionamiento de alta precisión en aplicaciones de Posicionamiento Preciso en Tiempo Real Cinético (PPP-RTK). La predicción a corto plazo de estos productos sigue siendo un desafío significativo que merece una mayor exploración. Este estudio propone un nuevo método de predicción a corto plazo para productos de retraso troposférico en aplicaciones PPP-RTK, aprovechando una ventana deslizante de múltiples escalas y una red de Memoria a Largo y Corto Plazo (LSTM). El enfoque de ventana deslizante de múltiples escalas captura eficazmente las características de los datos a través de diferentes escalas temporales, mientras que LSTM, una técnica de pronóstico de series temporales bien establecida y robusta, asegura la modelización precisa de las dependencias temporales. La integración de estos dos métodos mejora significativamente la precisión de las predicciones a corto plazo del retraso troposférico. El análisis experimental utilizando una semana de datos de la red de Estaciones de Referencia de Operación Continua de Hong Kong (CORS) demuestra que el método propuesto logra un error de predicción máximo de menos de 1.5 cm. Además, en comparación con el enfoque estándar de LSTM, los valores del Error Cuadrático Medio (RMSE) se mejoran en un 18.9% y un 36.6% para diferentes valores de referencia, respectivamente. Los experimentos de posicionamiento PPP-RTK revelan que los productos predichos generados por este método exhiben mejoras notables en los valores de Raíz Cuadrada Media (RMS) para las direcciones este, norte y arriba, con mejoras del 10.7%, 19.1% y 4.1%, respectivamente, en comparación con los obtenidos utilizando el método LSTM convencional. Estos resultados validan de manera integral la efectividad y superioridad del enfoque propuesto.