2021年2月21日,国务院发布了《关于全面推进乡村振兴加快农业农村现代化的意见》的指导“三农”工作的重要文件,该文件指出,民族复兴的前提是乡村必须先振兴,而实现乡村振兴最重要的是解决好“三农”问题。农业保险是对在农业生产经营过程中由于遭受自然灾害、事故和疾病等突发情况造成农户产生了一定经济损失从而提供补偿的一种保险,又简称“农险”。农业保险的研究对了解并解决“三农”问题具有重要的作用,其业务的开展有利于分散农业生产风险、稳定农民收入、推动农村发展。同时,对其需求的研究有助于保险公司与政府进行宏观调控和政策制定来把握投入的资本以及补贴。为了精确的掌握江西省农业保险需求情况,有效的做法是选择合适的评估指标及模型对江西省农业保险需求进行分析和预测。首先,本文基于2001—2019年的江西省农业保险相关数据,对江西省农业保险需求发展现状进行梳理,得出相关结论:（1）在其发展的三个阶段中,江西省农业保险收入即农业保险需求这些年来呈逐年上升的趋势,保单赔付需求逐年增加,险种需求变的多样化,保费补贴不断提高,农业保险体系机制正不断完善。（2）江西省农业保险的需求和供给层面仍存在一些问题,在需求层面中农户的风险意识较差,农户在投保后的理想赔付与现实之间的差距较大;在供给层面,市场集中度过高,会影响市场活力,从而降低产品创新能力、保险公司农业保险业务出现大幅亏损、农业保险产品覆盖度不够等。其次,本文在农业保险需求预测中使用了深度学习的方法,提出了一种基于遗传算法（GA）优化的LSTM神经网络模型。与此同时,通过前文对江西省农业保险需求发展现状的概述以及农业保险自身的特点的梳理,并在明确农业保险需求预测意义的基础上,文章从农业保险保障效率、政府支持力度、农业生产因素以及农民自身因素等四个维度出发,构建了农业保险需求预测指标体系。以此四个维度16个解释变量为基础,构建了GA-LSTM模型,就其预测结果与单一LSTM模型以及传统的机器学习模型的预测结果进行对比,研究表明:（1）本文归纳的农业保险需求评价指标体系中所包括的16个因素作为神经网络中的输入层时,运用LSTM神经网络模型能够对农业保险收入进行较好的预测。（2）遗传算法优化超参数的方法能够有效的提高LSTM神经网络的预测能力,均方根误差RMSE为0.2968,平均误差MAE为0.2215,拟合优度~2为0.9884。（3）并且基于GA-LSTM神经网络模型的预测效果会比单一的LSTM模型以及传统的机器学习模型更好,所得模型更为有效。