Debido a la influencia de factores complejos como los procesos dinámicos atmosféricos, los procesos físicos y la topografía y geomorfología locales, la predicción de elementos meteorológicos cercanos a la superficie en el modelo numérico del tiempo a menudo presenta desviaciones. Las redes neuronales de aprendizaje profundo son más flexibles pero tienen alta varianza. Aquí, proponemos un modelo de ensamblaje apilado llamado FLT, que consiste en una red neuronal completamente conectada con capas incrustadas (ED-FCNN), una red de memoria a largo y corto plazo (LSTM) y una red convolucional temporal (TCN) para superar la alta varianza de una sola red neuronal y mejorar la predicción de la temperatura máxima del aire. El estudio de caso de la predicción diaria de la temperatura máxima evaluado con la observación de casi 2400 estaciones meteorológicas muestra una mejora sustancial en comparación con el modelo de red neuronal única, ECMWF-IFS y el modelo de post-procesamiento estadístico. El modelo FLT puede mejorar de manera más efectiva el sesgo de pronóstico del modelo ECMWF-IFS que cualquiera de los modelos de red neuronal única mencionados, con una reducción del RMSE del 52.36% y un aumento del 43.12% en la precisión de la predicción de temperatura en comparación con el modelo ECMWF-IFS. Los RMSE promedio del modelo FLT disminuyen en un 8.39%, 1.50%, 2.96% y 16.03%, respectivamente, en comparación con ED-FCNN, LSTM, TCN y el método de promedio decreciente.