空间动目标预测跟踪是军事制导领域的研究热点，也是精确打击制导武器的关键技术。对于预测跟踪而言，由于机动目标运动轨迹非常复杂，要得到目标准确位置的解析表达式非常困难，因此所建立的模型不可能与目标的真实运动特性完全吻合，预测模型和方法也是难以建立和选择。预测模型和目标实际运动规律的不相符使得机动目标预测问题的难度增大。 本文以人工智能为突破口，以基于轨迹拟合的位置预测算法理论为基础，将快速目标跟踪问题转化为快速对预测模型参数进行优化搜索的问题，建立了快速目标跟踪方法。在BP神经网络的基础上结合空间机动目标跟踪原理，给出了将动目标分成远、近两阶段目标的预测描述。提出将目标状态按自由度划分，分别进行子网预测，利用组网原理进行目标预测的思想，并对此进行仿真验证。根据免疫学研究中抗原与抗体同时在进化的特性，通过对机动目标运动特点分析，提出基于抗原进化的免疫算法。算法以目标当前运动时刻的拟合信息为初始抗原，下一时刻信息的改变为抗原进化，进行参数优化搜索。着重推导了机动目标改进拟合预测模型，通过实时判断抗原是否进化不断搜索最佳模型参数，使得预测模型更加接近实际模型。利用免疫算法所得最佳参数对预测模型进行拟合并得出结果。通过对不同情况算例的仿真，验证了神经网络目标预测算法和基于抗原进化免疫算法的正确性和有效性。