本发明公开了一种基于FEDAF模型的战场关键资源状态预测方法。该方法的关键包括FEAFM计算机制下的FEAFM‑s和FEAFM‑c计算方法，以及FDDecomp时间序列分解法。该方法包括步骤：数据采集以及预处理；预处理后的资源关键性能指标时间序列数据输入进编码器；在编码器中经过FEAFM‑s，将序列从时域通过FFT变换到频域并进行注意力计算；将结果进一步输入至FDDecomp，进行时间序列分解以及降噪；而后输入进解码器；再分别经过FEAFM‑c和FDDecomp；最终对分解完成的趋势项和季节项进行加权求和得到输出。本发明降低了指挥信息系统在对作战资源进行状态预测时所耗费的计算开销，并缓解了数据漂移带来的不利影响，提升了对战场关键资源状态预测的效果。