全球气候变暖对农业、林业、渔业和旅游业等行业产生了巨大的影响,气温预测逐渐成为业界学者研究的焦点。本文主要是基于长短时记忆（LSTM）模型预测重庆日最高、最低气温。本文选取的是沙坪坝区57516站台的气象数据,样本期为1987年1月1日至2021年12月31日。在应用神经网络模型的过程中,本文考虑的是多变量模型,不仅考虑了历史气温,还考虑了其他气候信息。本文按照顺序以7:1:2的比例划分训练集、验证集和测试集。本文首先应用了LSTM网络。然后增添一维卷积层（CNN）,提取序列特征,将提取的特征输入到LSTM模型中,得到卷积-长短时记忆（CNN-LSTM）模型。最后考虑对LSTM网络层进行双向运算,在考虑上文信息的同时考虑下文信息,得到卷积-双向长短时记忆（CNN-BLSTM）。本文用平均绝对误差（MAE）评估模型,不管是沙坪坝区的日最高气温预测,还是日最低气温预测,CNN-BLSTM模型的预测效果都是最好,该预测方法有效。本文随后还考虑了重庆主城区外的奉节气象数据以及重庆市外的银川气象数据,CNN-BLSTM模型都能够很好地预测气温。应用气温预测模型时,本文做了以下两个方面的改进。第一,在LSTM模型的基础上,考虑加入一维卷积层。这是因为卷积神经网络常用于提取变量的特征,能够提高模型预测的准确率。第二,预测日最高气温时,本文不仅考虑了历史日最高气温和5个相关气候变量的信息,还考虑了相关性很高的日最低气温的信息。同理,在预测日最低气温时,本文也考虑了日最高气温的信息。