El pronóstico del conjunto de modelos múltiples (MME) para elementos meteorológicos ha demostrado en muchas ocasiones ser más hábil que el modelo único. Mejora la calidad del pronóstico al integrar múltiples conjuntos de resultados de pronósticos numéricos con diferentes características espacio-temporales. Actualmente, los principales resultados de pronósticos numéricos presentan una estructura de cuadrícula formada por líneas de longitud y latitud en el espacio y una estructura temporal bidimensional especial en el tiempo, a saber, el tiempo inicial y el tiempo de anticipación, en comparación con el tradicional tiempo unidimensional. Estas características significan que muchos métodos de MME tienen limitaciones para mejorar aún más la calidad del pronóstico. Enfocándonos en este problema, proponemos un método de pronóstico MME profundo que se adapta a la estructura especial. A nivel espacial, nuestro modelo utiliza atención de ventana y atención de ventana desplazada para agregar información. A nivel temporal, proponemos una red neuronal similar a una recurrente con estructura de rodillo (Roll-RLNN) que es más adecuada para la estructura temporal bidimensional que existe ampliamente en las instituciones de predicción numérica del tiempo (NWP) con servicio en funcionamiento. En este artículo, probamos el pronóstico MME para la presión del nivel del mar, ya que las características de pronóstico del elemento meteorológico esencial varían claramente entre instituciones, y los resultados muestran que nuestra estructura de modelo es efectiva y puede realizar mejoras significativas en el pronóstico.