本发明涉及一种基于环境预测模型的强化学习方法,其收集环境的真实状态动作转移样本数据；构造环境表示模型即变分自编码器网络模型；训练变分自编码器网络模型直至收敛；在隐空间构建环境预测模型,该网络模型为递归神经网络模型；结合历史数据训练递归神经网络模型直至收敛,在潜在空间生成可预测未来状态的表示,并将递归型神经网络自身的隐状态表示为智能体对于自身行动所引发的环境变化的预测。本发明在深度神经网络中的变分自编码器及递归型神经网络相结合的基础上进行改良,生成虚拟环境数据训练智能体,并把从中学会的策略迁移到真实环境之中。该模型的设计摆脱了深度强化学习在实际应用中对大量学习样本的要求,生成数据的多样性可从一定程度上解决深度强化学习模型存在对其所训练数据过度拟合的问题。