Predecir con precisión el flujo de protones en el entorno de radiación espacial es crucial para la gestión de satélites en órbita y la investigación científica espacial. Este artículo propone un método de predicción del flujo de protones basado en una red neuronal híbrida. Este método es un enfoque predictivo para medir los perfiles de flujo de protones a través de un satélite durante su operación, incluyendo los cruces por la región de la Anomalía del Atlántico Sur (SAA). En la etapa de preprocesamiento de datos, se empleó una transformación wavelet de media móvil para retener la información de tendencia de los datos originales y realizar la reducción de ruido. Para el diseño del modelo, se introdujo el modelo TPA-LSTM, que combina el mecanismo de Atención de Patrones Temporales con una red de Memoria a Largo y Corto Plazo (LSTM). El modelo fue entrenado y validado utilizando 4,174,202 puntos de datos de flujo de protones durante un período de 12 meses. Los resultados experimentales indican que la precisión de predicción del modelo TPA-LSTM es superior a la del modelo AP-8, con un error cuadrático medio logarítmico (logRMSE) de 3.71 entre los valores predichos y los valores reales. En particular, se observó una precisión mejorada al predecir valores dentro de la región de la Anomalía del Atlántico Sur (SAA), con un logRMSE de 3.09.