La predicción precisa de la trayectoria de los buques es clave para el control y gestión del tráfico marítimo. Los resultados precisos de la predicción pueden permitir la evitación de colisiones, además de ser adecuados para planificar rutas con anticipación, acortar la distancia de navegación y mejorar la eficiencia de la navegación. La predicción de la trayectoria de los buques utilizando datos del sistema de identificación automática (AIS) ha atraído una atención extensa en la comunidad de tráfico marítimo. En este estudio, se desarrolló un modelo de memoria a corto plazo basado en densidad espacial de agrupación de aplicaciones con ruido (DBSCAN) (denominado DLSTM) para la predicción de buques. DBSCAN se utilizó para agrupar las trayectorias de los buques, y luego se utilizó LSTM para el entrenamiento y la predicción. El rendimiento del modelo DLSTM se comparó con el de la regresión de vectores de soporte, la red neuronal recurrente y los modelos LSTM convencionales. Los resultados revelaron que el modelo DLSTM propuesto superó a estos modelos en aproximadamente un 2-8%. El modelo propuesto es capaz de proporcionar un mejor rendimiento de predicción de las trayectorias de los buques, lo que posteriormente puede mejorar la eficiencia y la seguridad del control del tráfico marítimo.