传统的水体信息提取方法难以处理包含复杂信息的大规模遥感图像。针对该问题，本次对应遥感图像与显著图建立了遥感数据分类标准，分割遥感影像中的重要信息。针对遥感影像水体信息提取的需求，改良了PCNN神经网络，建立了快速响应的PCNN神经网络模型，并实现了基于Matlab的验证平台。同时对比了PCNN神经网络模型与3种常见水体信息提取方法，可以证明PCNN神经网络在识别准确性、网络运行的效率与可靠性方面均表现优秀。

从本质上而言，CNN属于多层感知机，之所以成功，就是因为它将局部连接与共享权值联合运用，一来使权值的数量有效减少，便于网络的优化，也能有效防控过拟合的风险。本课题的研究主要集中在将CNN神经网络多层感知技术应用在三维数据领域的航迹预测技术使用过程之中，利用CNN技术的多层感知越往输入权值越小，越往输出权值越多的倒三角架构形态，丰富对航迹预测的技术操作，完善航空管理体制。利用这种技术为基础的解决方案，加入智能与实时识别算法提出具体的问题解决思路，给予仿真研究图形并配合文字解析，能够真实和有效的给出CNN神经网络为基础的航迹预测识别模型。