针对水轮发电机振摆数据的状态趋势预测问题，提出一种结合蜣螂优化算法（dung beetle optimizer，简称DBO）和支持向量回归（support vector regression，简称SVR）的振摆趋势预测模型，通过改进的蜣螂优化算法（fortified dung beetle optimizer，简称FDBO）自动调整变分模态分解（variational mode decomposition，简称VMD）及SVR模型的参数，以提高预测的准确性和效率。首先，通过FDBO优化VMD参数，改善信号分解的质量；其次，利用优化后的VMD分解结果提取信号有效特征；最后，应用FDBO优化的SVR模型进行趋势预测。实验结果表明：本研究方法在预测精度和收敛速度上显著优于传统方法，尤其在处理非线性和非平稳信号方面表现出色；对于不同方向摆度数据的预测验证，该方法也展现了其在多样化应用场景中的优越性能。此研究为水轮发电机状态预测提供了一种有效方法。