La Red de Memoria a Largo y Corto Plazo Convolucional de Transformada Wavelet de Denoising (DWTConvLSTM) es un nuevo modelo de predicción espaciotemporal del contenido total de electrones (TEC) en la ionosfera propuesto en 2025 que puede considerar simultáneamente características de alta y baja frecuencia mientras suprime el ruido. Sin embargo, también tiene fallas ya que solo considera características temporales unidireccionales en la predicción espaciotemporal. Para abordar este problema, este artículo adopta una estructura bidireccional y diseña un modelo bidireccional DWTConvLSTM que puede extraer simultáneamente características espaciotemporales bidireccionales de los mapas de TEC. Además, integramos un mecanismo de atención ligero llamado Atención Aditiva Convolucional (CASA) para realzar características importantes y atenuar las no importantes. El modelo final se llamó CASA-BiDWTConvLSTM. Validamos la efectividad de cada mejora a través de experimentos de ablación. Luego, se realizó una comparación exhaustiva en el conjunto de datos de 11 años de Mapas Ionosféricos Globales (GIMs), involucrando el modelo propuesto CASA-BiDWTConvLSTM y varios otros modelos de vanguardia como C1PG, ConvGRU, ConvLSTM y PredRNN. En este experimento, el conjunto de datos se dividió en 7 años para entrenamiento, 2 años para validación y los 2 años finales para pruebas. Los resultados experimentales indican que el CASA-BiDWTConvLSTM es inferior a los de C1PG, ConvGRU, ConvLSTM y PredRNN. Específicamente, las disminuciones durante los años de alta actividad solar son del 24.84%, 16.57%, 13.50% y 10.29%, respectivamente, mientras que las disminuciones durante los años de baja actividad solar son del 26.11%, 16.83%, 11.68% y 7.04%, respectivamente. Además, este artículo también verificó la efectividad de CASA-BiDWTConvLSTM desde perspectivas espaciales y temporales, así como en cuatro tormentas geomagnéticas.