写一段python代码，从excel中导入2000行6列的数据，实现根据前5列数据，预测第6列数据的LSTM模型，并将预测结果的精度，模型训练的时间、预测和验证结果的对比图绘制出来。

首先需要安装pandas和tensorflow库，可以使用pip安装：

!pip install pandas tensorflow

然后可以使用pandas库读取excel中的数据，并划分训练集和验证集：

import pandas as pd

# 读取excel中的数据
data = pd.read_excel('data.xlsx')

# 划分训练集和验证集
train_data = data.iloc[:1600, :5]
train_label = data.iloc[:1600, 5]
val_data = data.iloc[1600:, :5]
val_label = data.iloc[1600:, 5]

接着使用tensorflow库构建LSTM模型，并训练：

import tensorflow as tf

# 定义LSTM模型
model = tf.keras.Sequential()
model.add(tf.keras.layers.LSTM(64, input_shape=(5, 1)))
model.add(tf.keras.layers.Dense(1))

# 编译模型
model.compile(optimizer='adam', loss='mean_squared_error')

# 训练模型
start_time = time.time()
history = model.fit(train_data, train_label, epochs=10, batch_size=32, validation_data=(val_data, val_label))
end_time = time.time()

最后，可以使用matplotlib库绘制预测结果的精度、模型训练时间、预测和验证结果的对比图：

import matplotlib.pyplot as plt

# 绘制精度图
plt.plot(history.history['acc'])
plt.plot(history.history['val_acc'])
plt.title('Model accuracy')
plt.ylabel('Accuracy')
plt.xlabel('Epoch')
plt.legend(['Train', 'Val'], loc='upper left')
plt.show()

# 绘制损失函数图
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('Model loss')
plt.ylabel('Loss')
plt.xlabel('Epoch')