近年来,高血压患者的比例不断上升,如何在血压值异常前发出警报提早治疗成为广泛关注的研究课题.为解决这一问题,提出了一种基于多层长短期记忆网络(LSTM)结合上下文信息层的组合预测模型.使用双向LSTM结构添加了从负时间方向的时序信息对当前状态的影响,加入LSTM残差连接解决多层网络带来的梯度消失和梯度爆炸问题.在输出层之前增加了一个额外的加入了用户的基本信息数据的全连接层.额外层的激活函数为修正线性单元(ReLU),使用多个时序数据对不同时段的血压进行预测.实验结果表明使用24个时序的实验结果最佳.在24个时序的数据集上,进行不同时段1h、6h、12　h、24h的血压预测,预测误差和预测偏差对于收缩压分别为　0.002　644、0.003　952、0.004216、0.005　528　和　0.037　796、0.047931、0.049　879、0.057　454,对于舒张压分别为　0.001　226、0.001　554、0.001　706、0.001　955　和　0.024293、0.028　369、0.030190、0.032668,实验误差与其他模型相比,所提模型预测误差和预测偏差都得到降低.