本发明公开了基于知识引导的多源信息融合的高炉煤气预测方法，S1：获取高炉煤气发生量和高炉煤气发生量相关影响因素的瞬时值数据，保存为数据文件；S2：对S1的数据文件数据进行去除异常、归一化预处理等操作，并构建实验数据集；S3：对S2数据集输入特征实施注意力机制处理和自适应学习权重操作；S4：将S3处理后的特征输入神经网络模型，分别训练和测试高炉煤气发生量模型和消耗量模型；S5：判断预测结果是否异常，修正和优化模型；通过自适应学习不同信息源数据的权重，帮助模型关注关键信息；通过区别性对待不同历史时刻提升模型预测性能；本发明结合生产流程知识和工艺背景等指导性规则，进一步修正和优化模型，引导模型主动挖掘数据中的工艺信息。