本发明涉及一种基于量子加权长短时记忆神经网络的趋势预测方法，包括：实时采集原始运行数据；构建小波包能量熵集；对小波包能量熵集归一化处理；构建QWLSTMNN模型；归一化的小波包能量熵集输入QWLSTMNN模型中训练和预测；计算各时间点的小波包能量熵误差集；将小波包能量熵误差集输入QWLSTMNN模型中训练和预测；将预测的归一化的小波包能量熵误差集反归一化处理，得到最终预测结果。本发明构建了QWLSTMNN网络，引入量子位表示网络权值和活性值并将输入层权值扩展到隐层以获取额外的梯度信息，同时利用隐层权值的反馈信息以获取输入序列的全部记忆，改善了网络泛化能力；采用量子梯度下降算法修正量子相移门以实现权值量子位、活性值量子位的快速更新，提高了网络的收敛速度。