本发明的目的是为了解决现有技术存在预测结果成本高、可信度低的问题，提供一种基于灰色预测和LSTM神经网络的高温合金疲劳寿命预测方法；本发明首先利用灰色预测，对等间隔时间序列的极少量样本的高温合金损伤因子进行预测，然后利用最小二乘法，将试验值与预测值进行拟合，得到时间序列与损伤因子的拟合函数，即可得到任意时间下的损伤因子，选取固定时间间隔下的损伤因子，通过损伤‑寿命关系计算此时间间隔序列下的疲劳寿命，将此时间序列下的损伤因子与疲劳寿命作为LSTM神经网络的数据集进行训练。此LSTM神经网络可作为基于损伤信息的时间序列神经网络预测模型来预测时序损伤的高温合金疲劳寿命。在无需进行大量试验与仿真的条件下，即可使用少量样本数据进行时间序列相关的疲劳寿命预测，大大降低部件的维修成本。