准确预测水电机组振动趋势不仅有助于及时发现机组运行异常，还能为制定科学合理的状态检修计划提供依据，但由于振动数据具有强非线性和非平稳性，振动趋势预测面临较大挑战。对此，提出一种基于改进的中华穿山甲优化算法(ICPO)优化变分模态分解(VMD)与自适应多模型融合的水电机组振动趋势预测方法。首先，采用ICPO对VMD参数进行优化，并对机组振动数据进行分解，获得K个本征模态函数；随后，对每个模态分量进行相空间重构，并将其输入至自适应融合(XGBoost)与双向长短期记忆网络(BiLSTM)的多模型预测框架中。当子模型在某一模态下的性能差异显著时，选取表现最优的模型输出预测结果；否则，采用通道注意力机制对各模型输出进行加权融合。最终，通过叠加各子模态的预测结果，获得机组振动趋势的最终预测值。试验结果表明，所提方法在提高预测精度方面具有良好的效果。