针对来袭弹药的真实轨迹非线性特征较多、探测数据误差较大难以对其轨迹数据进行预测的问题，提出了一种基于门控循环单元(GRU)的轨迹预测网络模型(CNN-GRU)。在实验中收集真实来袭弹药飞行轨迹数据，构建基础轨迹数据库，使用滑动窗口的方法对数据库数据进行预处理，获取具有对应输入输出的数据集。离线状态下将CNN-GRU模型与其余5种对比模型在相同数据集下进行训练，得到具有最优超参数的网络。所提模型与对比模型分别对同一条轨迹数据的距离、俯仰角、水平角3个维度进行预测对比分析，使用均方差(MSE)作为模型预测性能的评价标准，实验结果表明：在保证预测时效性的前提下，完整预测轨迹后CNN-GRU模型的MSE为0.244 9 m~2、0.016 7°~2、0.003 7°~2,相较于对比模型的MSE均为最小，说明该模型的预测精度优于其余对比模型，为来袭弹药轨迹预测研究提供了一定参考。