本发明涉及基于特征工程和LSTM的路表温度短临预测方法及系统，该方法对采集到的气象要素数据进行数据处理后，先通过随机森林模型对影响路表温度的气象要素进行重要性排序，选择影响较大的气象要素作为候选特征参数，将候选特征参数依次组合作为模型输入，构建长短期记忆神经网络路表温度预测模型，然后利用测试集测试，对比观测值和预测结果，选择效果最佳预测模型，并获得对应的气象要素特征组合，之后进行误差分析。本发明利用了随机森林高效简单、能够分析复杂相互作用特征的能力，结合长短期记忆网络可以更新最优权值和阈值的优点，使模型预测精度高，并对模型迭代更新，保证模型随时间推移的仍然具有较高的准确性和稳定性。