大气阻力难以精确建模，是低轨卫星精密定轨与轨道预测最大的动力学误差源。定轨处理考虑利用时变的大气阻力系数（Cd）以吸收大气阻力模型误差，从而获得较好的轨道拟合结果。然而由于缺少精确的建模方法反映Cd参数的时变特征，导致轨道预报误差逐渐发散。针对这一问题，提出基于Bi-LSTM神经网络预测Cd参数的轨道预报方法。首先通过动力学定轨法解算GRACE-C卫星（GRCC）和Sentinel-3A卫星（SN3A）长期的Cd参数序列，再采用Bi-LSTM神经网络方法进行Cd参数预测。结果显示，GRCC和SN3A卫星Cd预测值的MAE均值分别为0.030 2和0.077 4,RMSE均值分别为0.041 6和0.101 8。将Cd参数预测结果运用到两颗卫星4组轨道预报实验中，结果表明，GRCC卫星预报7 d的最高平均精度为12.28 m，平均精度提升率均在90%以上；SN3A卫星最高平均精度为16.00 m，平均精度提升率最高可达74.82%。
