太阳活动与人类的生活息息相关,目前太阳正值生命周期的壮年阶段活动较为剧烈。太阳黑子是日面上最常见的一种太阳活动现象,也是体现太阳活动最直接和高效的指标。太阳黑子数的增加往往伴随着太阳爆发活动的增强从而引发灾害性空间天气。灾害性空间天气会引起地球磁场的扰动,干扰雷达和无线电通讯,同时也间接影响地球的气候变化。开展太阳黑子的预测工作可以对人类预防灾害提供帮助。在传统的预测方法中,有的方法凭借经验相关的模型来预测,使得预测结果普遍延迟。有的方法通过复杂的数学公式做演算,参数的微小调整就会使预测结果有很大的变化。这些方法取得的预测结果都不是很理想。对此,本文凭借深度学习的循环神经网络模型具有“记忆”的特性,采用加入注意力机制的双向门循环单元(Gate Recurrent Unit,GRU)网络结合批量预测的方法,预测未来十年太阳黑子数,并将预测结果作为研究第25个太阳活动周的依据。在实验的设计过程中,我们针对批量预测特点设定了模型中步长的取值策略,并提出了一种构建多变量输入数据的方法。结果证明该模型确实取得了较好的预测效果,不仅能够准确的预测出周期的最大振幅、周期起始和结束的数值,还能保证它们在时间节点的准确度。我们通过模型的评价分析,证明了注意力模块对整个预测模型来说至关重要的作用。在与单向LSTM无注意力机制模型中的结果对比分析发现:加入注意力机制的双向GRU模型在预测黑子的变化过程中表现得更为平稳,没有过大的抖动;并且数据在时间上的分布较为均匀,没有明显的聚集现象;黑子数据的细节特征学习能力更强,在部分预测结果中能够体现出黑子的双峰特征。最后,我们用加入注意力机制的双向GRU网络预测未来十年的太阳黑子数,为分析第25个太阳活动周提供理论依据和科学预判。结果显示第25个太阳活动周的最大振幅将达到163.8个黑子,并且出现在2023年9月,太阳活动将比第24周期更为剧烈。