La predicción de la trayectoria de las aeronaves es la base de la secuenciación de aproximaciones y salidas, la detección y resolución de conflictos y otras tecnologías de gestión del tráfico aéreo. Una predicción precisa de la trayectoria puede ayudar a aumentar la capacidad del espacio aéreo y garantizar la operación segura y ordenada de las aeronaves. La investigación actual se centra en la predicción de la trayectoria de una sola aeronave sin considerar la interacción entre aeronaves. Por lo tanto, este artículo propone un modelo basado en la red Social Long Short-Term Memory (S-LSTM) para realizar la predicción colaborativa de la trayectoria de múltiples aeronaves. Este modelo establece una red LSTM para cada aeronave y una capa de agrupamiento para integrar los estados ocultos de las aeronaves asociadas, lo que puede capturar efectivamente la interacción entre ellas. Este artículo toma las trayectorias de las aeronaves en el área terminal del norte de California como datos experimentales. Los resultados muestran que, en comparación con los modelos de predicción de trayectoria más utilizados, el modelo S-LSTM en este artículo tiene errores de predicción más pequeños, lo que demuestra la superioridad del rendimiento del modelo. Además, se realiza otro experimento comparativo en escenas de espacio aéreo con interacciones entre aeronaves, y se encuentra que S-LSTM tiene un mejor efecto de predicción que LSTM, lo que demuestra la efectividad del primero al considerar la interacción entre aeronaves.