本发明基于经验模态分解和BP神经网络的离心泵能耗预测方法，包括：获取离心泵在多个运行工况下的多个运行状态参数；对收集到的泵体振动信号和噪声信号分别进行经验模态分解，得到新信号；根据收集到的整泵温度计算离心泵运行时损失的热能；归一化处理后得到振动能量、热能、声能的损失特征向量，作为离心泵能耗预测模型的输入；建立基于BP神经网络的离心泵能耗预测模型，并通过RMSprop优化算法更新权值；将待测离心泵的多个运行状态参数输入训练好的离心泵能耗预测模型，得到离心泵的能耗值。本发明通过对振动信号和噪声信号进行经验模态分解、采用RMSprop优化算法更新离心泵能耗预测模型进行训练时的权值，提高了后续离心泵能耗预测的准确性。