本发明公开了一种基于主要驱动因子筛选和深度学习的动态需水预测方法，该方法首先应用Spearman秩相关分析确定研究区域各用水部门的主要驱动因子，然后对实测数据进行归一化处理并分为训练集与测试集，将训练集作为基于主要驱动因子筛选的LSTM深度学习预测模型的多变量输入进行训练，采用测试集对预测模型进行进一步验证，经率定验证获得有效的深度学习预测模型后将样本数据输入进行预测，经过合理性检验后分用水部门获得需水量预测值。本发明的方法考虑区域发展实际情况，因地制宜选取各行业主要驱动因子作为多变量输入，改善单变量输入预测能力低和预测稳定性差的缺陷，应用此法进行需水预测的结果更加准确，精度更高。