La economía de Pakistán está en gran medida impulsada por la agricultura, y el trigo, en su mayoría, destaca como su segundo cultivo más producido cada año. Por otro lado, el consumo promedio de trigo también está aumentando constantemente, debido a lo cual sus exportaciones no están creciendo de manera proporcional, amenazando así la economía del país en los próximos años. Este trabajo se centra en desarrollar un modelo preciso de pronóstico de producción de trigo utilizando redes neuronales de Memoria a Corto y Largo Plazo (LSTM), que se consideran altamente precisas para la predicción de series temporales. Se utiliza un mecanismo de suavizado de preprocesamiento de datos, en conjunto con el modelo basado en LSTM, para mejorar aún más la precisión de la predicción. También se proporciona una comparación del mecanismo propuesto con algunos modelos existentes en la literatura. Los resultados verifican que el modelo propuesto logra un mejor rendimiento en términos de pronóstico, y revelan que mientras la producción de trigo aumentará gradualmente en los próximos diez años, la relación producción-consumo seguirá disminuyendo y representará una amenaza para la economía en general. Por lo tanto, nuestro marco propuesto puede utilizarse como pautas para la producción de trigo en particular, y es aplicable a otros cultivos también, lo que conduce al desarrollo agrícola sostenible en general.