本发明涉及一种面向水质指标预测的方法，特别是涉及一种基于SG(Savitzky‑Golay)滤波、变分模态分解(Variational　Mode　Decomposition,　VMD)、注意力机制、基于遗传模拟退火的粒子群优化算法(Genetic　Simulated　annealing‑based　PSO,　GSPSO)与编码‑解码器的双向长短时记忆(Encoder‑Decoder　Bidirectional　Long　Short　Term　Memory,　BiLSTM‑ED)神经网络的水质指标预测方法。首先，将获取到的水质指标历史数据进行归一化处理，并采用SG滤波进行平滑去噪，其次对处理过后的数据使用VMD进行分解得到相对平稳的子序列，然后将数据输入加入注意力机制的基于编码‑解码器的双向长短时记忆BiLSTM‑ED神经网络模型，最后采用GSPSO优化模型的超参数，从而预测未来多个时间点的水质指标情况，最终获得了较高的预测精度。