近些年,随着我国社会和全球经济发生跨越式的发展,水资源严重污染的情况也日趋严峻,管理并有效的保护好各个地区流域的水质和生态环境对可持续发展有着非常重要的战略意义。对流域水质进行正确的预测是水资源保护的重要手段,本文以美国旧金山湾流域5个观测站2001年至2015年的主要水质参数溶解氧(DO)、盐度(Salinity)、温度(Temperature)数据为研究对象,对旧金山湾流域水质进行预测研究。为改善水质预测方法,本文提出了改进智能算法的水质预测方法。实验结果验证了本文提出的算法在适用性及误差控制等多种性能上具有一定的优势。本文采用的人工智能算法与数据分析技术对旧金山湾地表水质数据进行研究,分析得到对研究区地表水质状况影响较大的因素,进而建立有效的水质预测模型。本文主要完成以下几方面的工作:1.针对研究课题情况的复杂性,首先对国内外水质预测研究现状进行分析。通过前期的资料分析过程,发现地表水质预测的一些相关问题,为本文的科学研究工作奠定了基础。2.针对不同的经验模态分解方法进行了相关的研究工作,主要包括EMD方法、EEMD方法以及CEEMD方法,本文对这些经验模态分解方法进行了原理介绍与实验分析。3.针对美国旧金山湾地表水质数据进行数据统计分析工作,分别从溶解氧、温度和盐度三个方面对研究区的水质数据进行了分析。统计数据显示:5个采样站点的水质数据量总计为7330条,平均值为1466条。4.针对美国旧金山湾地表水质数据,本文建立了LSTM、SVR以及LSSVM三种智能算法进行地表水质的预测,优选出LSTM算法进行改进工作。5.针对研究课题,本文建立了EMD-LSTM模型、EEMD-LSTM模型以及CEEMDLSTM模型对研究区的水质状况进行预测工作,并对各个模型的预测结果进行比较分析,结果表明:改进的智能算法——EEMD-LSTM模型,在对研究区的水质预测方面表现效果较好。