本发明公开了工业物联网边缘设备上基于联邦学习的空时预测算法，属于工业物联网领域，具体包括：首先，搭建包括行业集和客户集的应用场景；然后，针对单个客户端，其设备监测到的传感数据构成数据库，在该客户端中构建TCN‑GCN深度模型，并使用数据库的数据更新TCN‑GCN深度模型的参数w^C；同理，各客户端分别在本地训练各自的TCN‑GCN模型并得到各自的模型参数w^C；最后，利用改进的FedAVG算法将每个客户端的模型参数w^C，上传到云端进行加权聚合，成一个新的全局模型，实现基于联邦学习的空时预测。本发明对参与联邦学习的客户以及客户内部的设备采用随机采样，减少算法的通信开销，特别适用于大规模IIoT网络和分布式预测；在保护隐私的基础上，具有良好的预测性能。