La predicción precisa de las situaciones futuras del tráfico aéreo es una tarea esencial en muchas aplicaciones de la gestión del tráfico aéreo. Este artículo presenta un nuevo marco para predecir situaciones de tráfico aéreo como una secuencia de imágenes desde una perspectiva de aprendizaje profundo. Se utiliza un autoencoder con memoria a largo y corto plazo convolucional (ConvLSTM), y se propone una técnica de función de pérdida mixta para generar mejores imágenes de tráfico aéreo que las obtenidas mediante funciones de pérdida convencionales. La viabilidad del enfoque propuesto se demuestra con datos reales de tráfico aéreo.