En este trabajo, se desarrolla un método de control predictivo económico basado en Lyapunov (LEMPC) para abordar la optimalidad económica y la estabilidad en lazo cerrado de sistemas no lineales utilizando modelos basados en aprendizaje automático para hacer predicciones. Específicamente, primero se desarrolla un conjunto de modelos de redes neuronales recurrentes (RNN) a través de una validación cruzada de -fold para capturar la dinámica del proceso en una región de operación. Luego, se diseña el LEMPC utilizando un conjunto de RNN para mantener el estado en lazo cerrado en una región de estabilidad y optimizar los beneficios económicos del proceso simultáneamente. Se emplea la computación paralela para mejorar la eficiencia computacional de la implementación en tiempo real de LEMPC con un conjunto de RNN. El método propuesto de LEMPC basado en aprendizaje automático se demuestra utilizando un ejemplo de proceso químico no lineal.