model.add(LSTM(100, input_shape=(X_train.shape[1], X_train.shape[2])))

这段代码使用 Keras 库创建了一个 LSTM 模型，其中包含一个 LSTM 层和一个全连接层。具体来说，它首先使用 "model.add" 方法添加一个 LSTM 层，其中 "100" 表示 LSTM 层中神经元的数量，"input_shape=(X_train.shape[1], X_train.shape[2])" 表示输入数据的形状，其中第一个维度为时间步数，第二个维度为输入特征数。因为 "X_train" 的形状为 (样本数, 时间步数, 特征数)，所以它的第二个和第三个维度分别为 "X_train.shape[1]" 和 "X_train.shape[2]"。

LSTM 层是一种循环神经网络，它可以处理时间序列数据并捕捉其长期依赖关系。在该模型中，LSTM 层的输出将作为全连接层的输入，因此需要将 LSTM 层的输出展平为一维数组。