在电信运维的容量预测过程中，存在容量指标和部署业务种类繁多的问题。现有研究未考虑指标数据类型的差异，对所有类型的数据使用同种预测方法，使得预测效果参差不齐。为了提升指标预测效率，提出一种指标数据类型分类方法，利用该方法将数据类型分为趋势型、周期型和不规则型。针对其中的周期型数据预测，提出基于双向循环神经网络（BiRNN）的周期型容量指标预测模型，记作BiRNN-BiLSTM-BI。首先，为分析容量数据的周期特征，提出一种忙闲分布分析算法；其次，搭建循环神经网络（RNN）模型，该模型包含一层BiRNN和一层双向长短时记忆网络（BiLSTM）；最后，充分利用系统忙闲分布信息，对BiRNN输出的结果进行优化。与传统的三次指数平滑、差分自回归移动平均（ARIMA）模型和反向传播（BP）神经网络模型进行比较的实验结果表明，在统一日志数据集和分布式缓存数据集上，提出的BiRNN-BiLSTM-BI模型的均方误差（MSE）分别比对比模型中表现最优的模型降低了15.16%和45.67%，可见预测准确率得到了很大程度的提升。