本发明涉及资源预测和调度技术领域，具体涉及一种基于机器学习的环网柜负荷预测与调配方法，通过获取历史时间段中每个子时间段对应的负荷时序序列以及各种负荷影响因素的参数时序序列，根据确定负荷时序序列和参数时序序列中每个时刻区间对应的序列段中元素值的分布情况，确定序列段的数据波动特征，从而确定各种负荷影响因素在每个子时间段的负荷影响综合指标，并最终确定每个子时间段对应的负荷时序序列的置信度；根据历史设定时间段中每个子时间段对应的负荷时序序列及其置信度，训练负荷预测模型，利用训练好的负荷预测模型预测得到未来下一子时间段对应的负荷时序序列。本发明有效提高了负荷预测和调配准确性。