药品的安全和有效性与药品储存环境息息相关,由于药品储存时间短并且易受周围环境影响的特性,必须保证低温药品储存、运输等所有医药冷链环节中药品储存环境适宜,精确预测药品储存环境的温湿度对于医药冷链中药品质量监管至关重要。针对医药冷链质量管理中温、湿度如何监管的问题,以某医药配送中心的零货库及药店为研究对象,提出一种基于改进的长短期记忆(long short-term memory,LSTM)循环神经网络的医药冷链温湿度预测方法,该方法的主要研究内容包括以下几方面:(1)针对从沈阳市某药房储运温湿度监测系统中导出的温湿度数据特征,采用归一化方法处理,并对湿度进行插值扩充,从而提高温湿度预测精准度。(2)改进的LSTM网络是由输入层、两层隐藏层和输出层组成,并且隐藏层中的LSTM结构嵌套小的LSTM细胞元代替传统的迭代预测,提高训练速度。(3)网络训练和网络预测采用适应性动量估计算法(adaptive moment estimation,Adam)调整网络参数和改变网络层数实现降低预测误差,提高预测精准度。(4)在训练好的网络模型后面添加分类模块,按照新版GSP中药品存储温度和湿度要求进行分类,实现对医药仓储及运输环境的有效监控,对不符合温湿度要求的药店提前预警。除上面的研究方法之外,本文还将其与传统BP神经网络预测方法、支持向量机模型预测方法进行对比,实验结果表明改进的LSTM预测模型预测更精准。