當(dāng)前國(guó)內(nèi)“血荒”問(wèn)題比較嚴(yán)峻，血站與用血單位之間存在著血液供不應(yīng)求的現(xiàn)象。針對(duì)這個(gè)問(wèn)題，提出了一種基于改進(jìn)的蝗蟲(chóng)優(yōu)化算法的LSTM預(yù)測(cè)方法，用于對(duì)未來(lái)的紅細(xì)胞供應(yīng)情況進(jìn)行預(yù)測(cè)，為血站工作人員在制定采血計(jì)劃以及制備計(jì)劃時(shí)提供有效的指導(dǎo)。該預(yù)測(cè)模型通過(guò)使用長(zhǎng)短期記憶網(wǎng)絡(luò)（ Long-short Term Memory Network，LSTM）來(lái)捕捉歷史紅細(xì)胞庫(kù)存數(shù)據(jù)之間的潛在規(guī)律，以達(dá)到對(duì)未來(lái)的供應(yīng)情況進(jìn)行預(yù)測(cè)的效果。首先，針對(duì)蝗蟲(chóng)優(yōu)化算法容易陷入局部最優(yōu)、收斂速度較慢的問(wèn)題，通過(guò)加入基于折射原理的反向?qū)W習(xí)機(jī)制與混沌映射，加快蝗蟲(chóng)優(yōu)化算法的收斂速度，使其具備更強(qiáng)的搜索能力其次，為提高LSTM的預(yù)測(cè)性能，將改進(jìn)的蝗蟲(chóng)優(yōu)化算法與LSTM相結(jié)合，并使用某地區(qū)的紅細(xì)胞庫(kù)存真實(shí)數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，用于驗(yàn)證改進(jìn)的LSTM預(yù)測(cè)模型的性能。與標(biāo)準(zhǔn)LSTM相比，所提方法的MAE，MAPE，RMSE分別降低了39.82780%，55.8191。實(shí)驗(yàn)結(jié)果證明，提出的方法具有較高的可靠性。