Аннотация:В настоящее время с ростом количества космических объектов, находящихся в околоземном пространстве, во избежание их столкновений, все более важным становятся задачи высокоточного определения их векторов состояния, а также точно классифицировать данные техногенные объекты по размеру, скорости, потенциальной опасности для функционирующих спутников и космических станций. Результаты, приведенные в статье, показывают, что подход с использованием моделей машинного обучения и нейронных сетей может значительно улучшить прогнозирование орбиты и повысить точность определения вектора состояния КА классических численных моделей и каталогов. В качестве данных для уточнения рассматриваются параметры каталога TLE и модель перехода к вектору состояния SGP4 , в качестве эталонных измерений - данные лазерной дальнометрии с наземных станций. Рассматриваемый в работе подход может быть применен для любых техногенных космических объектов с разным типом орбиты.