本研究针对地铁车站空调系统能耗高、运行效率低的问题，提出一种基于长短期记忆网络（LSTM）与动态模型 融合的能耗优化系统设计方案。项目以宁波地铁为试点，利用多源实时数据（包括环境温湿度、客流量、冷机参数等）构建 空调系统负荷预测模型，并结合模型预测控制（MPC）与自适应控制算法，实现空调设备运行参数的动态优化调度。结果 表明该系统能够实现短期负荷预测误差（MAPE）低于 5%，相较传统控制策略，冷机性能系数（COP）提升 5%–10%，整 体能耗降低 10%–15%。