本发明提供了一种动态老化过程在线预测方法，包括如下步骤：测试及阈值电压提取；以及建立模型及在线预测；所述建立模型及在线预测的步骤中，动态老化模型包括退化模型和恢复模型，通过选定的基准数据第一周期作为训练集输入LSTM神经网络训练建立，预测分别使用基准数据的后续周期和其余条件下的数据，验证准确性和普遍性。本发明基于机器学习数据驱动方法，针对PDSOI器件的特点，对动态老化过程进行在线预测，补充了NBTI恢复情况的预测，改进了已积累历史退化量器件的退化预测，结果具有准确性和普遍性。