降水预测对农业生产和水资源利用具有重要意义。由于单一模型难以准确预测降水量,文章建立了基于完全集合经验模态分解(CEEMDAN)和长短期记忆神经网络(LSTM)的耦合模型,对郑州市月降水量进行预测,并与LSTM模型、EEMD-LSTM模型和CEEMDAN-SVR模型的性能进行了比较。结果表明,CEEMDAN克服了EEMD存在重构误差和模态混叠的问题,提高了LSTM模型的预测性能;CEEMDAN-LSTM模型对郑州市月降水量预测的均方根误差是15.01mm,平均绝对误差是11.31mm,决定系数为0.932,显著优于其他模型。提出的CEEMDAN-LSTM模型简单有效,对郑州市月降水量序列里的峰值和谷值也能准确预测。