为快速、准确预测日照环境下高原铁路桥梁的温度变形效应，基于长短期记忆神经网络（LSTM）提出了一种气象数据驱动的桥梁温度变形智能预测模型。以拉林铁路简支T梁为背景，采用热力耦合有限元仿真分析，构建了“气象数据—温度变形”映射的样本数据库，以此训练预测模型并对桥梁温致变形进行预测。结果表明，LSTM模型表现出了较高的精度和优势，其梁体竖向挠度预测的决定系数（R2）超过0.97，平均绝对误差（MAE）和均方根误差（RMSE）较反向传播神经网络（BP）模型提升超过70%，较随机森林（RF）模型分别提升了24%和27%。预测挠度与真实值在趋势和数值方面均基本一致，表明所提出的预测方法性能优异，为高原铁路轨道平顺性变化规律研究及动态检测数据评价提供参考。