本发明提供一种航空装备振动环境分析和预测方法，其包括以下步骤：建立飞行器平台状态参数U和振动环境量值G之间的映射关系，确定飞行器平台的振动环境量值G和飞行器状态参数集合U，归一化处理，构建一组深度学习网络R1对归一化后的飞行器状态参数集合U'进行特征分类,重复构建多组深度学习网络分类器R2‑‑RX，将S组U'集合与特征分类器R1相连，给特征分类器R1‑‑RX的参数赋初始值，完成振动环境预测模型建模，实现振动环境量值的分析和预计。本发明所采用特征分类器与神经网络的组合方式，解决了振动环境预测中的非线性问题；而且采用的特征分类器，能够从多个飞行器状态参数中自动有效地提取特征参量，有效地优化了分类结果。