本发明涉及一种耦合Copula与LSTM的工企用能负荷预测方法，包括：采集待预测工业企业的选定要素实时数据，并输入训练好的LSTM深度神经网络模型，获得待预测工业企业的预测用能负荷；其中，所述的选定要素的选定过程包括以下步骤：1)采集多种类型的工业企业的用能负荷历史数据以及对应时间点的若干种待定要素历史数据，构成样本数据集；2)对样本数据集进行预处理；3)利用K‑Means算法对用能负荷历史数据进行聚类，获得若干个聚类；4)通过Copula算法对聚类与待定要素之间的非线性相关性进行分析，从所有待定要素中选出选定要素。与现有技术相比，本发明具有精准性高、稳定性强等优点。