本公开提供了一种基于深度学习的话务预测方法、装置及可读存储介质。所述方法包括：获取步骤，获取历史话务数据：包括时间信息和对应所述时间信息的话务量；第一构建步骤，将时间信息转换为第一时间索引，基于第一时间索引构建时间序列对象；第二构建步骤，从时间信息中筛选出特定时间的时间信息，将特定时间的时间信息转换为第二时间索引，基于第二时间索引构建协变量序列对象；序列转换步骤，将时间序列对象与协变量序列对象排序合并为多维序列并转换为一维序列；建模步骤，使用深度神经网络模型对一维序列进行建模处理，生成预测模型；预测步骤，通过预测模型输出话务量预测结果。通过本公开的方法能够应对复杂业务场景，提高预测准确率。