本发明涉及一种基于CNN‑GRU预测的GPS/INS卡尔曼滤波定位方法，属于定位及导航技术领域。技术方案：建立INS惯导机械化模型；建立CNN‑GRU神经网络预测模型；建立组合导航扩展卡尔曼滤波模型，将GNSS定位信息和INS定位信息进行数据融合得到INS惯导定位信息的补偿值，进而得到准确的定位信息；基于CNN‑GRU预测的GPS/INS卡尔曼滤波定位模型可以更大程度地在GPS信号中断时提高定位精度。本发明结合了CNN神经网络可以有效地从多维序列数据中自动提取和学习特征的优点和GRU可以使用历史数据的问题，结构简单，参数少，可以在GNSS中断时有效地预测GNSS伪信号，进而提高导航定位精度。