利用长短期记忆神经网络(LSTM)模型强大的长短期记忆能力，建立厦门风暴潮增水预报的人工神经网络模型。利用信息流理论确定了影响增水的10种因子，分别利用不同因子组合测试了不同模型的表现，确定了表现最佳的因子组合。基于此因子组合，对比了LSTM模型和常用的BP神经网络模型、SVM模型和线性回归模型，确定了LSTM模型在风暴潮增水上的优势。基于LSTM最佳预测模型预测了1、2、3及6 h风暴潮增水值，并基于三种不同台风路径分析了模型的平均绝对误差、相关系数、有效系数和极值偏差指标。结果显示，LSTM模型在预报风暴潮短期增水有很高精度，可为防灾减灾提供辅助和参考。