环境、社会及治理（ESG）指标是评估企业可持续发展的重要指标。然而，现有的ESG评估体系存在覆盖范围狭窄、主观性强和时效性差等问题。因此，迫切需要研究能利用企业数据来准确预测ESG指标的预测模型。针对企业数据中ESG关联特征存在信息丰度不一致的问题，提出基于丰度协调技术的企业ESG指标预测模型（RCT），其中上游丰度协调模块通过自编码器对异质丰度特征进行协调，从而增强了下游模块ESG指标预测性能。在真实数据集上的实验结果表明，与时间卷积网络（TCN）、长短期记忆网络（LSTM）、自注意力模型（Transformer）、极限梯度提升（XGBoost）算法和轻量级梯度提升机（LightGBM）相比，RCT模型在各项预测指标均表现最优，验证了RCT模型在预测ESG指标上的有效性和优越性。
