本发明提供了一种基于融合模型的风电机组齿轮箱故障预警方法，通过提取数据采集与监控系统数据库中风电机组的正常运行数据，采用统计学四分位原理对缺失、异常数据进行预处理，利用Pearson相关系数对关键特征变量进行筛选，分别对极端梯度提升树和长短期记忆网络模型进行单独训练，采用误差倒数法对两个预测时序数据进行加权组合，计算权重，得到最终预测结果，根据误差分析来评判模型的优劣，最后，依据马氏距离的阈值设定对齿轮箱进行故障预警。本发明提供的方法可以对大数据样本中的异常数据有效剔除，且提取关键性特征减少后续模型训练的时间，融合模型提高了泛化能力，防止过拟合现象，对时间序列数据的预测准确率高。