敦煌地处沙漠干旱区,年蒸发量是降雨量的千倍,自然气候和人烟稀少的优势使得敦煌莫高窟保存至今。近年来旅游业的发展使得原本稳定的洞窟微环境遭到破坏,从而影响洞窟内壁画、彩塑等文物的保存。根据监测到的环境数据,分析病害的机理并总结出一套相应的防治对策是保护古迹、实现景区可持续发展的必经之路。洞窟内湿度过高会在壁画上产生水盐化学反应,形成盐霜,进而致使壁画表层起甲、脱落。本文针对洞窟微环境因素之一的湿度变化问题展开研究,希望通过掌握洞窟湿度变化特征,模拟其变化趋势,达到提前预测、提前防护的目的。从而对洞窟微环境控制工作提供重要的技术支撑。本文通过分析对比洞窟内外全年湿度变化,不同层位、雨季窟内外湿度变化特点,以及游客流量对洞窟内湿度的影响等,多方位研究洞窟内湿度环境特性。在此基础上,分别提出基于空气交换率和基于循环神经网络的莫高窟湿度预测模型。前者基于室内外气体交换质量守恒这一物理规律,通过计算洞窟内外空气交换的速率,以预测绝对湿度。该模型由于其物理特性,在实用性、长时间预测方面存在不足。为了解决这一问题,从历史各项监测数据出发,提出了基于长短期记忆(LSTM)循环神经网络的湿度预测模型,其中包括网络结构设计、网络训练和预测过程实现算法等。通过与基于空气交换率的预测模型的实验对比,验证了所提出的LSTM预测模型在湿度时间序列分析中更具有实用性和更高的准确性。