本发明涉及一种基于组合式改进LSTM和Attention注意力机制的云数据中心负载预测方法。首先，将数据中心历史记录存储在文件中的请求数量按固定时间间隔统计为时间序列数据，并使用变分模态分解方法(Variational　Modal　Decomposition,　VMD)和自适应SG(Savitzky　Golay)滤波对原始时间序列进行数据预处理。然后，对预处理后的数据进行归一化，并将负载时序数据按照预设的滑动窗口大小切分为多个子序列作为特征序列，即转化为有监督数据。接着，将数据输入由BiLSTM和GridLSTM组合而成的神经网络模型，引入Attention注意力机制提取数据重要的局部特征联系。最终网络模型输出未来云数据中心的负载预测值。本发明可以用于解决云数据中心的计算资源利用问题，确保数据中心供应商的利润最大化。