El requisito previo para la victoria en la guerra es la identificación rápida y precisa de la intención táctica del objetivo en el campo de batalla. La eficiencia de la identificación manual de la intención de combate de los objetivos aéreos se está volviendo cada vez menos efectiva con la llegada de la guerra de la información. Además, si el método tradicional de intención de combate de los objetivos aéreos se basa solo en datos de un solo momento en el tiempo, la información característica en los datos de series temporales es difícil de capturar de manera efectiva. En este contexto, diseñamos un nuevo método de aprendizaje profundo mecanismo de atención con red convolucional temporal y unidad recurrente bidireccional (Attention-TCN-BiGRU) para mejorar el reconocimiento de la intención de combate de los objetivos aéreos. Específicamente, se seleccionan características adecuadas en función de la misión de combate y la postura aérea para construir un conjunto de características de intenciones de objetivos aéreos y codificarlas en características temporales. Cada característica en el conjunto de características recibe un peso apropiado a través del mecanismo de atención. Además, se utiliza una red convolucional temporal (TCN) para extraer características latentes de los datos y se utiliza una unidad recurrente bidireccional (BiGRU) para capturar dependencias a largo plazo en los datos. Experimentos comparativos con otros métodos y ablations demuestran que Attention-TCN-BiGRU supera a los métodos de vanguardia en términos de precisión en el reconocimiento de la intención del objetivo en el aire.