Un tifón es un evento climático extremo con una fuerte fuerza destructiva, que puede causar grandes pérdidas de vidas y daños económicos a las personas. Por lo tanto, es significativo reducir los errores de predicción de la intensidad de los tifones. Las redes neurales artificiales y profundas se han vuelto ampliamente utilizadas recientemente para la predicción de tifones con el fin de garantizar que la predicción de la intensidad del tifón sea precisa y oportuna. Se proponen en este documento modelos de predicción de intensidad de tifones basados en memoria a corto y largo plazo (LSTM), que pronostican la intensidad del tifón como un problema de series temporales basado en datos históricos de tifones. Primero, los modelos de predicción de intensidad de tifones se entrenan y prueban con datos de tifones procesados de 2000 a 2014 para encontrar los factores de predicción óptimos. Luego, los modelos se validan utilizando los factores de predicción óptimos en comparación con una red neuronal de alimentación directa (FNN). Según los resultados del modelo aplicado para los tifones Chan-hom y Soudelor en 2015, el modelo basado en LSTM utilizando los factores de predicción óptimos muestra el mejor rendimiento y los errores de predicción más bajos. Por lo tanto, el modelo basado en LSTM es práctico y significativo para predecir la intensidad de los tifones dentro de las 120 h.