山区流域洪水具有突发性强、预见期短的特点，快速准确进行洪水预报始终是防汛工作的关键问题。以长短时记忆深度学习神经网络技术为基础，选取崇阳溪流域1997年到2022年共30场暴雨洪水过程作为研究数据，将其中21场洪水作为训练集，以上游吴边等6个雨量站的逐时雨量、武夷山站控制断面前期流量为模型输入，武夷山站控制断面相应洪水流量为模型输出，采用均方根误差最小准则分析确定LSTM隐含层单元数和网络迭代轮数，同时在LSTM层之后设置一个全连接层，并对全连接层进行dropout处理，建立具有时间序列记忆功能的山区流域LSTM神经网络模型。运用该模型对余下的9场洪水进行测试，并与LMBP模型进行对比。结果表明：LSTM模型预测精度较高，在洪水过程、洪峰流量和洪峰出现时间预测方面精度高于LMBP模型，适用于山区流域洪水预报。