跳高包括一系列动作，如助跑、单脚起跳、横杆落地等。跳高轨迹是一个复杂的因果系统。在每个时间节点，运动员的身体姿势都符合一定的规则约束。建立了跳高过程中人体关键关节节点时变坐标的离散过程模型，每个关节点在每个时刻的位置向量由运动员在给定时间的关节点位置确定。运动员肢体的摆动和关节点位置的变化都对运动员的移位起着重要作用。运动员的重要关节点之间的相互作用使得很难描述和预测跳高的轨迹。随着深度学习的发展，图形神经网络在描述和预测时空特征方面具有优势。基于时空图形注意网络，结合长、短期记忆网络和门控循环单元（stgat LSTM，stgat Gru），建立了具有空间位置约束的跳高运动员关节点位置随时间变化的模型，计算了跳高运动员的重心和关节点位置轨迹。实验结果表明，该模型能较好地描述跳高过程，预测效果比基线模型高0.02-0.03米。给出了一种基于神经网络模型的跳高轨迹预测的可行方案，可为跳高运动仿真和技术优化研究提供重要参考