本发明公开了基于流量预测与深度强化学习的虚拟资源动态扩缩容方法，包括：S1：获取5G核心网的历史指标数据和网络状态数据，并对所述历史指标数据进行数据清洗；S2：将数据清洗后的所述历史指标数据输入LSTM模型进行训练和预测，得到预测结果；S3：将所述预测结果和所述网络状态数据输入到Priority‑DQN算法进行决策，输出AMF决策结果。本发明将虚拟资源的动态扩缩容问题具象为对于AMF单元的扩缩容问题，将LSTM预测与基于优先级的DQN方法相结合，既保证了对核心网流量数据的提前感知，减少响应延迟并解决静态阈值下的决策震荡问题，又实现了在线学习的自演进过程，更好地适应5G核心网环境这一场景。