El estado ionosférico tiene implicaciones significativas para la navegación por satélite, la comunicación por radio y el clima espacial; sin embargo, la previsión precisa de la ionosfera sigue siendo un desafío formidable. Para mejorar la precisión de los modelos de previsión tradicionales, desarrollamos un modelo de mejora basado en los métodos de previsión CODE e IRI, denominado Modelo de Mejora de Previsión de Mapas Ionosféricos Globales (GIMs-FEM). Los resultados indicaron que al extraer las características de GIM de las previsiones existentes e incorporar proxies adicionales para la actividad geomagnética y solar, el GIMs-FEM proporcionó resultados de previsión estables y fiables. En comparación con los modelos de previsión originales, el error general del modelo se redujo en aproximadamente un 15-17% en el conjunto de datos de prueba. Además, analizamos el rendimiento del modelo bajo diferentes condiciones de actividad solar y estaciones. Adicionalmente, el RMSE para el modelo C1pg varió de 0.98 TECu en el año de mínimo solar (2019) a 6.91 TECu en el año de máximo solar (2014), mientras que el modelo GIMs mejorado (C1pg) varió de 0.91 a 5.75 TECu, respectivamente. Bajo diferentes condiciones de actividad solar, el RMSE de GIMs-FEM para C1pg (C2pg) varió de 0.98 a 6.91 TECu (0.96 a 7.26 TECu). Estacionalmente, el modelo GIMs-FEM tuvo el mejor rendimiento en verano, con el RMSE más bajo de 1.9 TECu, y mostró el mayor error en otoño, con un RMSE de 2.52 TECu.