准确预测飞机辅助动力装置（APU）的排气温度（EGT）可以为APU健康管理提供重要信息。传统方法在长周期预测中精度较低。提出了一种基于特征和时间序列的双侧注意机制（BAM）和卷积神经网络（CNN）门控递归单元（Gru）的混合模型。选择与排气温度高度相关的五个特征参数进行EGT的多变量预测。BAM的引入可以自动量化输入变量和EGT之间的相关性，并加强对预测输出的历史关键信息的表达。CNN的引入可以提取反映EGT非平稳动态变化的高维特征。实验结果表明，该混合模型在单步和长时间多步序列以及多变量输入EGT预测中取得了良好的效果。与BAM-Gru模型、CNN-Gru模型、Gru模型、长短时记忆（LSTM）模型、支持向量机（SVM）模型和BP模型相比，该混合模型的预测精度有了很大提高。