Impostos arrecadados pelo Estado são revertidos para o bem comum, com o objetivo de investimentos e custeio de bens e serviços públicos, como - principalmente - infraestrutura, saúde, segurança e educação. A previsão de receitas é uma das responsabilidades que as Secretarias (municípios e estados) têm como desafio e necessidade. Essa é uma função sine qua non às decisões com relação ao planejamento financeiro na esfera estadual. Nos últimos anos têm sido propostos novos métodos e modelos de previsão. Neste trabalho apresenta-se um modelo de previsão híbrido, baseada em Algoritmos Genéticos (AGs) e Redes Neurais Recorrentes (RNNs) do tipo Long Short-Term Memory Neural Networks (LSTM) para previsão de do Imposto sobre Circulação de Mercadorias e Serviços (ICMS), no estado de Alagoas. Foi investigado o uso de variáveis exógenas para melhoras na acurácia do modelo. Não houve melhora de desempenho com uso da variável exógena consumo de energia elétrica no estado. O melhor modelo obteve Erro Percentual Absoluto Médio (MAPE) no conjunto de teste de 5,11 por cento, assim como melhor desempenho que os estado de Alagoas. Os resultados obtidos com esse modelo híbrido mostram demonstram desempenho promissor quando comparados com os processos vigentes.