随着计算机图形学、工业设计、自然科学等领域的飞速发展，对高质量的科学计算方法的需求随之增大，而这些科学计算的方法离不开高质量的网格生成算法。对于常用的正交网格生成算法，是否能减少计算量以及是否能降低的人工干预等问题仍是它们所面临的主要挑战。针对这些挑战，对于单连通的目标区域，提出了基于循环神经网络之一的长短期记忆网络（LSTM）和Schwarz-Christoffel共形映射（SC映射）的正交网格自动化生成算法。首先，利用基于SC映射的Gridgen-c工具的基本条件将网格生成问题转换为一个带线性限制条件的整数规划问题。接着，利用预处理后的GADM数据集和LSTM训练获得能计算目标多边形区域每个顶点转角类型的概率的分类器。该分类器可以大幅度降低整数规划问题的时间复杂度，使该问题能被自动化且快速地求解。最后以简单图形区域、动画图形区域、地理边界区域为样例，进行网格生成实验。结果表明：对于简单图形区域，所提算法均能达到最优解；而对于具有复杂边界的动画图形区域和地理边界区域，实例网格结果表明，所提算法能使这些目标区域的计算量分别降低88.42%和91.16%，且能自动化地生成较好的正交网格。