本发明提出了一种基于组合神经网络的负荷预测方法及计算机可读介质。将多类型、多历史时刻天气因素数据通过符号聚合进行归一化处理，计算得到各天气因素的最大信息系数，筛选出作为优选后天气数据；通过数据异常点识别与修正、数据标准化预处理，将负荷数据划分为负荷样本序列、将优选后天气数据划分为天气样本序列；输入负荷、天气样本序列至组合模型中得到预测负荷，结合真实负荷构建损失函数模型，通过Adam方法优化训练得到优化后关联组合模型；将采集实时负荷样本与天气样本数据输入组合模型进行预测，得到下一时刻的负荷。本发明优点在于，能够为电网建设者关于电源的合理布点、适时的电网建设提供日内实时负荷出力数据支持。