慢性心率血压疾病是一个世界性的公共卫生问题。在我国,心力衰竭的发病率逐年上升,但是治疗的效果差且成本高;全国约有35%的人群患有不同程度的血压疾病,这些疾病和心脏疾病形成更为严重的并发症,严重威胁我国居民的身体健康。据不完全统计,2018年接受降压和新增治疗的慢性心率血压疾病患者人数超过3200万人,预计到2020年将超过4000万人。2018年末,国家心脑血管疾病基金会在慢性心脑血管疾病工作组发表了一篇报告:报告显示慢性心率血压疾病患病率很高,而有慢性心率血压疾病的死亡率是无血压疾病的10到30倍。基于上述,我们可以看到,心率血压问题已经越来越成为影响我国居民身体健康的重要因素。因此,如何在早期及时发现疾病是一个亟待解决的问题。本文在此背景下,首先介绍了慢性心率血压疾病常见的预测算法,进而给出了本文中使用算法的详细介绍,然后进行慢性心率血压疾病预测设计:数据提取、参数选取等的详解,并得到了基于长短时记忆网络的慢性心率血压疾病预测模型的预测结果,最后找出基于长短时记忆网络的慢性心率血压疾病预测模型的缺欠。为了优化长短时记忆网络的结构,提出了改进的长短时记忆网络的慢性心率血压疾病预测模型,通过分析LSTM在基于时序预测方面存在的问题,通过加入特征提取层,改善了模型的拟合效果。通过引入特征提取度的概念,来使得模型适应不同的应用场景。通过性能对比表明了本文提出的基于长短时记忆网络结构的优越性。最后,通过设计实现仿真预测程序,模拟了改进的算法在实际中的应用,并证明了改进算法的实用性。