本发明涉及一种非平稳时间序列数据的多维度扩充预测方法与装置，包括以下步骤：收集原始抄表数据，对原始抄表数据进行加工，扩展数据维度构造抄表数据集；构建不同序列依赖长度的RNN序列表达模型，采用全量数据进行模型训练，依据模型性能表现确定最优化依赖长度；以最佳序列依赖长度建立RNN序列模型，以抄表数据集为基础，进行模型训练，获得优化后的RNN序列模型参数；使用所述优化后的RNN序列模型参数对各个表具的最新远传数据进行预测；将预测的远传数据值与实际远传数据值进行对比，依据策略得到校正值，并将校正值记录入库。本发明能够对非平稳时间序列进行建模，同时能融合差异性时间步长的信息维度，使得时间序列模型具备更强的表达能力。