本发明公开了一种基于遗传算法优化LSTM神经网络的交通流预测方法，包括如下步骤：步骤S1、交通流数据采集，并进行数据归一化预处理，分为训练数据集和测试数据集；步骤S2、采用遗传算法优化LSTM神经网络预测模型的各个参数；步骤S3、输入遗传算法优化好的参数、训练数据集，进行LSTM神经网络预测模型的迭代优化；步骤S4、利用已训练好的LSTM神经网络模型对测试数据集进行预测，并评估模型误差。本发明利用了遗传算法和LSTM神经网络对参数组合快速寻优的特性，可以得到更高的预测精度，且对不同间隔数据样本有良好的适用性，模型减少了计算量，表现出更好的预测性能。