本发明提供一种基于深度学习的变压器油中溶解气体浓度预测方法，包括如下步骤：S1、在线监测系统对变压器油中溶解气体浓度进行监测，将各油中溶解气体浓度时间序列送入CEEMDAN分解模型进行模态分解；S2、将分解得到的各子序列输入DBO‑BiLSTM模型进行点预测；S3、将各子序列预测结果进行叠加拟合得到油中溶解气体浓度点预测结果并评价；S4、将拟合的点预测结果与原始序列相比较，得到的点预测误差序列；S5、选择点预测误差序列重复抽样次数，拟合不同置信度下的误差置信区间，结合点预测结果，得到不同置信水平下区间预测结果并评价。该方法在提高点预测精度的同时，考虑点预测模型误差生成不同置信度下的区间预测，提高预测的准确度。