为了提高复杂电网环境下六氟化硫（SF6）气压预测的准确性，提出了一种基于long短时记忆（LSTM）网络的SF6气压预测方法。该算法根据测得的高寒气压数据进行训练，预测高寒气压值，然后将预测值与实际值之间的误差反馈给网络，以修正网络参数，提高预测精度。模拟试验使用SF63个月的气体压力测量数据来训练和测试LSTM神经网络。结果表明，LSTM网络模型有效地降低了SF6气体压力的预测误差。