本发明提供了一种城市轨道交通短期进站客流量预测方法。该方法包括：构建Wave-LSTM预测模型，利用训练数据集对Wave-LSTM预测模型进行训练，获取待预测站点的历史进站量数据序列；利用选取的小波函数和分解次数对所述历史进站量数据序列进行分解，得到重构进站量数据序列；将重构进站量数据序列输入到训练好的Wave-LSTM预测模型，Wave-LSTM预测模型输出对应的预测进站量数据序列，将所有的预测进站量数据序列相加，得到预测出的待预测站点的所有时间段内的进站量客流数据。本发明充分利用了小波变换的数学显微镜的优点和LSTM可学习长序列依赖的特点，将具有趋势的低频信号与包含噪声信息的高频信号分开，从而提取到各站点进站客流的关键特征，提高客流预测精度。