本发明设计一种面向水质指标预测的方法，特别是涉及一种基于双向长短时记忆神经网络(Bidirectional　Long　Short‑Term　Memory,　BiLSTM)与时间注意力机制(Temporal　Attention)的水质指标预测方法。首先，将获取到的多特征的水质数据依照时间顺序进行排序，然后采用变分模态分解(Variational　Mode　Decomposition,　VMD)将预测的目标序列分解为k个模态，将得到的模态与其余特征组成新的输入数据。然后，再进行输入数据的归一化处理，将水质时间序列数据按照预设的滑动窗口大小划分为多个子序列作为特征序列，转为有监督的数据后，输入基于双向长短期记忆和时间注意力机制的神经网络模型中，预测未来四个小时的水质指标数据，最终获得精准度较高的水质指标预测结果。