随着人民环境意识的提高,环境保护工作越来越受到政府和公众的重视。北仑河口红树林湿地作为连接陆地与海洋的生态关键区,对其生态健康状况的把握至关重要。水环境是红树林生态系统中的一个重要组成部分,对水质做出准确的预测是判断湿地生态系统健康状况的基础,也有助于环境保护工作的顺利开展。但是目前流行的监测手段还停留在当日检测、实地考察上,难以把握环境的未来发展方向,容易导致不能及时采取预防措施而造成严重的生态破坏。因此,有必要将传统的监督性维护转为预防性维护。本文根据广西北仑河口水质和天气数据,选取能反映水质状况的高锰酸盐指数和氨氮含量两个指标作为预测目标,提出一种基于传统时序模型和深度学习相结合的预测方法,并融入多个相关特征,分析特征间的时间和交互关系,以达到提高预测精度的目的。本文主要工作如下:(1)深入分析了水质数据预测的研究背景和研究现状,分类介绍了现有时序模型,并根据当前预测方法的特点和不足,提出了本文的主要研究内容和创新之处,重点阐述了论文所提模型的相关理论基础。(2)根据本文研究目标所处环境的复杂性,针对目前水质预测领域中大多只关注其中某一特征而忽略其它影响因素的问题,本文考虑到天气状况与水质的密切关联性,提出一种基于季节性差分自回归移动平均模型和长短期记忆网络(SARIMA-LSTM)的多特征预测方法。该方法首先通过SARIMA模型对目标序列做初步预测并获取训练残差,然后将残差融合多个相关特征利用LSTM获取残差预测值,最后将两部分预测值相加得到最终的目标序列预测值。(3)在真实的水质、天气数据集上分析SARIMA-LSTM模型的预测效果,并根据预测结果和实验评估指标对比不同模型的表现情况。(4)基于论文所提算法,设计了一个北仑河口红树林保护区水质预测系统,做了详细的需求分析和系统框架描述,并对系统主要功能模块做详细的设计和实现。