航天器制造精密,价格昂贵,运行在复杂的环境中。建立对航天器的预测系统可以更好的监测和控制航天器,避免风险、减少损失。遥测数据由航天器上各个传感器采集并发送到地面控制中心,涵盖航天器运行的具体信息,可以反映出航天器的运行状态。在航天器的遥测数据中,有一类数据波动性较大且具有非平稳特征,与其它遥测维度存在相关依赖和协同特征,使用常见单维遥测预测模型难以对其进行精确预测。本文使用某卫星两年多维遥测时间序列作为研究对象,进行多维航天器时间序列预测的研究,主要工作包括以下方面:(1)对于近年遥测数据预测领域的研究方法进行了分析,总结了不同模型的特点。对于航天器的多维遥测数据进行了数据分析,从时间维度和相关依赖方面总结了其特点。同时对遥测数据进行了预处理,构建了具有较高质量的航天器遥测数据集,为之后的预测工作提供了基础。(2)为了解决航天器中的某些受环境影响较大,与其它遥测维存在依赖关系的遥测数据预测问题。参考了主流的多变量时间序列方法,提出了一种基于一维卷积、Bi LSTM以及注意力机制的多维遥测时间序列实时预测模型。使用一维卷积捕捉时间序列中的短期依赖,再使用Bi LSTM捕获时间序列数据的双向长期依赖,引入了在维度方向的注意力机制来筛选多维遥测数据之间的相关性,之后添加AR机制来为预测模型增加线性成分,最终得到预测结果。(3)多维遥测数据预测模型的实验。本文使用两年的航天器真实遥测数据进行实验。选取多种评价指标,通过变体模型对比实验证明所设计模型的不同组件的功能及必要性。通过基准方法对比实验证明模型的预测精度。实验结果表明,本文所设计的基于一维卷积、Bi LSTM、注意力机制的混合预测模型具有明显的性能优势。同时该模型是一个实时预测模型,可以应用在实际航天系预测系统之中。