地表水是人类生存和发展以及从事各种生产不可缺少的宝贵自然资源,是地质环境系统的重要组成部分[1]。人类的生产活动与日常生活与地表水的含量和质量息息相关,随着我国对地表水质的重视程度不断加强,水质监测设备不断升级,监测的精度不断提高,环保部已经积累了大量数据资料,这些都为水质信息的数据挖掘提供了基础。我国的地表水资源总量居世界前列,但是具有水源分布不均与以及人均含量非常低的特性,同时我国大多数地区的地表水资源面临污染的威胁,并逐渐制约着经济的发展,影响了居民的日常生活。为了更为精确的描述水质信息,根据历史水质信息的波动对未来水质做出预测,更为有效的防治水污染,为政府决策做出理论支撑,本文搭建了基于数据挖掘的水务信息管理系统与决策平台来预测北京市密云水库入口地表水质。本文改进了线性的水质分类方法,针对现行通用的水质分类方法只能体现水质的污染程度,但是无法体现影响水质污染指标的各个因子的含量的不足,构建了全新的水质分类方法,主要思路是结合K-means和SVM算法各自的适用情况,将这两种分类模型进行组合,用于对水质做出更精确的分类。另外本文针对水质信息的时间序列中所包含的线性信合和非线性信息,改变现行通用的使用单一模型进行水质预测的方法,采用ARIMA模型进行线性预测,把线性预测结果和实际水质数据的差值作为水质信息的非线性部分,使用SVM进行预测并把两个模型的预测结果进行叠加,提高了预测精度,为政府做出相应的污染防治措施提供理论支撑。