En el sistema de control de vuelo y guía de navegación de vehículos aéreos no tripulados (VANT), la predicción de trayectorias sirve como un componente fundamental crítico, cuya precisión y fiabilidad influyen directamente en el rendimiento del sistema de los VANT. Sin embargo, la investigación existente se ha centrado predominantemente en optimizar la eficiencia de los algoritmos, sin considerar plenamente el impacto del estado de vuelo del VANT en su trayectoria. Esto ha resultado en discrepancias significativas entre los resultados predichos y las trayectorias reales en escenarios complejos. Por lo tanto, este artículo propone un algoritmo de predicción de trayectorias que integra las intenciones de comportamiento de los VANT. En primer lugar, se construye un modelo de reconocimiento de intenciones de comportamiento utilizando la Máquina de Vectores de Soporte (SVM) para discriminar con precisión los patrones de movimiento del VANT y generar la distribución de probabilidad de sus acciones futuras, integrando así información de intención a nivel semántico en el proceso de predicción. En segundo lugar, se emplea la Unidad Recurrente Gated Bidireccional (Bi-GRU) para extraer las características de correlación espacio-temporal de los datos de trayectoria. Además, se introduce un mecanismo de atención para capturar información clave de la secuencia, mejorando la capacidad del modelo para representar tendencias de movimiento complejas. Los resultados de los experimentos de simulación demuestran que este algoritmo presenta ventajas significativas en términos de precisión de predicción de trayectorias y adaptabilidad a escenas, proporcionando un soporte técnico más práctico para la navegación inteligente y el control de seguridad de los VANT.