La electrificación de los automóviles hace que el ruido de carretera de baja frecuencia sea el principal factor que afecta el rendimiento del NVH (Ruido, Vibración y Dureza) del automóvil. Los resultados de predicción de ruido de carretera de alta precisión y alta eficiencia son la base para la mejora y optimización del rendimiento del NVH. Sin embargo, el uso del método tradicional de TPA (análisis de ruta de transferencia) y el método CAE (ingeniería asistida por computadora) para analizar el problema del ruido de carretera presenta problemas de ruta de transferencia compleja, difícil adquisición de parámetros de modelado, larga duración y alto costo. Por lo tanto, basado en la jerarquía de ruido de carretera construida de acuerdo con la ruta de transmisión del ruido de carretera, se introduce la red LSTM (Memoria a Largo y Corto Plazo) para establecer un modelo de predicción impulsado por datos, que evita eficazmente los defectos del método TPA y CAE en el análisis de problemas de ruido de carretera. Basado en el modelo de predicción LSTM, se introduce el método AFW (peso de característica adaptativa) para mejorar la atención del modelo a las características clave en los datos de entrada y, finalmente, mejorar la precisión y robustez del modelo de predicción de ruido de carretera. Los resultados muestran que la precisión ( = 1.74 (dB)) y la capacidad de generalización ( = 2.60 (dB), = 0.924) del modelo AFW-LSTM son mejores que las de otros modelos.