Los modelos regionales precisos de contenido total de electrones ionosféricos (TEC) juegan un papel crucial en la corrección de los retrasos ionosféricos para receptores de frecuencia única y en el estudio de las variaciones en el entorno espacial de la Tierra. Se ha desarrollado un modelo basado en una red neuronal de optimización por enjambre de partículas (PSO-NN) para el TEC ionosférico sobre China utilizando datos de un sistema de posicionamiento global (GPS), COSMIC y Fengyun a largo plazo (2008-2021) bajo condiciones geomagnéticas tranquilas. En este estudio, se utiliza un enfoque de cuadrícula espacial para proponer una versión mejorada del modelo PSO-NN, denominada PSO-NN-GRID. El error cuadrático medio (RMSE) y el error absoluto medio (MAE) de los TEC estimados a partir del modelo PSO-NN-GRID en el conjunto de datos de prueba son 3.614 y 2.257 TECU, respectivamente, que son un 7.5% y un 5.5% más pequeños que los del modelo PSO-NN. Las mejoras del modelo PSO-NN-GRID sobre el modelo PSO-NN durante el equinoccio, el verano y el invierno de 2015 son del 0.4-22.1%, 0.1-12.8% y 0.2-26.2%, respectivamente. De manera similar, en 2019, las mejoras correspondientes son del 0.5-13.6%, 0-10.1% y 0-16.1%, respectivamente. El rendimiento del modelo PSO-NN-GRID también se verifica bajo diferentes condiciones de actividad solar. Los resultados revelan que los RMSE para los TEC estimados por el modelo PSO-NN-GRID, con valores de F10.7 que oscilan entre [0, 80), [80, 100), [100, 130), [130, 160), [160, 190), [190, 220) y [220, +), son, respectivamente, un 1.0%, 2.8%, 4.7%, 5.5%, 10.1%, 9.1% y 28.4% más pequeños que los calculados por el modelo PSO-NN.