电离层作为地球空间环境的重要组成部分,产生的干扰会对卫星导航、定位、测控等星地链路无线电传播造成严重的影响。电离层中物理量繁杂,而电离层总电子含量TEC（Total Electron Content,TEC）是分析电离层时空分布、形态结构、延迟特性及电离层扰动的重要参数,利用卫星观测数据解算电离层TEC的方法会导致TEC数据相对滞后,采用某种电离层模式对TEC进行预测,可以实现TEC的近实时估算,这对保障无线电系统的稳定性十分重要。本文结合电离层层析算法反演重构的TEC数据,分别采用国际参考电离层IRI（International Reference Ionosphere,IRI）梯度法、长短期记忆LSTM（Long Short-Term Memory,LSTM）网络以及本文最新提出的一种基于LSTM与IRI模型的组合预测模型实现了对电离层TEC的近实时预测。主要研究内容如下:1.首先,本文简要介绍了IRI模型、BP（Back Propagation,BP）神经网络以及LSTM三种常见的电离层TEC预测模型,并对IRI2007模型在不同电离层状态下的预测性能进行了系统性的评估。其次,叙述了MIDAS（Multi Instrument Data Analysis System,MIDAS）层析算法的工作原理。最后,针对基于电离层层析TEC的近实时估计问题,分别设计了IRI梯度法、LSTM模型以及组合预测模型来实现近实时电离层层析成像。2.对本文中所使用的卫星观测数据和广播星历数据进行了简单的介绍,并基于这些数据的层析TEC,分别利用IRI梯度法、LSTM模型以及组合预测模型实现了对欧洲与亚太地区电离层TEC的近实时预测。3.对多时间、多地点的三种预测模型的预测结果进行评估,结果显示:IRI梯度法1h的预测结果最好,能在短时间内提供相对高精度的预测TEC图像,在亚太地区的预测工作中还发现,IRI梯度法的预测精度还受限于研究区域内GPS观测站的数量。单一LSTM模型可得到2d内较好的预测结果,随着预测时间的增加,LSTM模型的预测性能逐渐下降。组合预测模型在IRI梯度法与单一LSTM模型的基础上进行了优化,相对于IRI梯度法,组合预测模型预测时间更长,预测效果更为稳定;相对于单一LSTM模型,组合预测模型修正了单一LSTM模型在长时间迭代预测后出现的较多异常值问题,提高了预测精度。