本发明公开了一种基于特征分解和深度学习的大坝变形预测方法，涉及大坝变形预测技术领域，包括：将源域和目标域的大坝变形序列均分解为子序列；分别对子序列进行评估，并提取子序列的特征分量，得到源域和目标域特征分量；利用与目标域特征分量相匹配的源域特征分量进行预测模型训练；冻结预测模型的浅层网络，输入目标域特征分量数据对冻结后的预测模型进行再训练微调参数，得到目标域特征分量预测模型；并利用目标域特征分量预测模型得到实时变形预测结果。通过借鉴其他类似大坝的变形数据，对观测不足的混凝土大坝进行预测。有效地探索特征成分的潜在规律，在观测不足的情况下提高预测精度和泛化能力，从而做出准确的大坝变形预测。