随着产业经济的快速发展,近年来科研与产业关系研究逐渐引起了学者们的注意。以往的高校科研产出与产业经济关系研究通常是使用高校科研投入数据与产业经济或区域经济进行研究。本文尝试使用高校科研产出数据进行研究,这种方式可以更直接地挖掘出高校科研与产业经济之间的关系。首先,基于学术大数据建立高校年度科研产出量化模型;然后,通过该模型得到2010-2019年间全国高校年度科研产出数据,并使用该数据与2010-2019年间全国9大产业国内年度生产值进行相关性分析,挖掘出与高校年度科研产出高相关性的产业;最后,用该产业数据作为输入特征,基于LSTM神经网络建立高校年度科研产出预测模型。本文主要包含以下三部分研究工作:（1）建立高校年度科研产出量化模型。首先,使用以往关于高校科研产出指标研究的结论,定义出高校年度科研产出量化模型的5个指标;再基于学术大数据使用熵值法和聚类算法分别计算出科研产出指标的权值与科研产出数值的系数,从而得到完整的模型。在使用聚类法计算科研产出数值系数的过程中,原本选用的二分K-Means聚类算法聚类效果并不理想,所以对其进行了优化并与原算法进行对比实验,得到结论:新算法在簇较少的聚类活动中效果更好,更适合本文的研究数据。（2）高校年度科研产出与产业经济相关性分析研究。本文将全国357所高校高校年度科研产出量化总数与全国9大产业各产业的国内年度生产值分别进行Pearson相关性分析,得到结论:全国高校年度科研产出数据与9大产业国内年度生产值均有较强的正相关性。（3）基于LSTM建立高校年度科研产出预测模型。在第二部分研究结论的基础上,将9大产业国内年度生产值作为LSTM神经网络的输入特征,建立高校年度科研产出预测模型。与常用的几个神经网络模型进行对比实验,得到结论:基于LSTM神经网络预测模型更适合本文的实验数据,其拟合效果最好、精确度最高。