单一的预测算法或多或少存在着归纳偏置，由此导致了系统偏差的普遍性。提出了一种基于元学习的时变非线性组合预测算法，该算法在进行组合预测时将序列的特征属性和基预测器预测的结果形成元知识，作为元预测器的输入，从而发现并且纠正基预测器的系统偏差。在元预测器中，通过门控网络确定各基预测器的权重，保证了权重的时变性和非负性。将该算法应用于电力负荷超短期预测，预测结果表明，该算法的预测精度高于单一预测算法和常用的线性和非线性组合算法。