本发明涉及一种融合序列分解和特征选择的组合负荷预测方法，属于负荷预测技术领域，首先通过基于自适应噪声的完全集成经验模态分解算法将原始负荷序列重组为本征模态分量和残差，利用时间序列排列熵合并子分量以兼顾预测模型的效率和性能。其次基于Catboost的递归式特征消除算法优选子分量的最优输入特征子集，通过厘清不同特征的重要程度，有效缩减输入数据规模。并将结果输入到结合卷积神经网络和自注意力机制的改进时间卷积网络预测模型中，将各子分量的预测结果求和实现精准有效的负荷预测。