盾构机是土质隧道开挖的优质工程机械,被广泛应用在地铁建设.刀盘扭矩是保证盾构正常推进的关键参数,能被精确实时预测对预防灾难事故、确保施工正常推进具有极高的指导意义.针对现有扭矩预测多为计算平均值的问题,提出一种基于长短时记忆(Long-Short Term Memory,LSTM)网络的扭矩实时预测模型.首先通过分析盾构机状态参数与扭矩的相关性,选择一组关键状态参数,降低输入维度;然后建立LSTM扭矩预测模型;最后利用该模型在归一化后的实际数据集上进行验证并与BP网络模型对比.试验结果表明,该模型在测试集上均方差为0.002 81,平均绝对误差为0.036 7,均优于BP网络;该模型具有良好的预测能力与泛化性能,能够很好地拟合关键状态参数与刀盘扭矩之间的非线性关系.