针对热力系统参数运行数据预测困难,准确率低的问题。基于灰狼算法(Grey Wolf Optimizer,GWO)、变分模态分解(Variational Mode Decomposition ,VMD)、长短期记忆模型(Long Short Term Memory ,LSTM)提出一种单参数时序预测方法。首先使用改进适应度函数的GWO对VMD的分解层数和惩罚系数进行寻优,其次以最优参数对运行数据进行VMD并筛选出本征模态函数(intrinsic mode function ,IMF)分量作为原始数据趋势项,最后以此运行参数趋势项作为LSTM的训练集输入特征向量构建LSTM,LSTM超参数由北方苍鹰算法(Northern Goshawk Optimization,NGO)得到。经实际案例验证,该方法与原始数据直接作为训练集的LSTM相比,有效提高了LSTM对热力参数运行趋势预测的时间尺度与精度。