研究近岸海域水质因子的变化规律,对预防海洋生态灾害、维护海域生态环境具有重要意义。目前已有的水质预测研究主要面向非海域环境,缺乏针对近岸海域环境,尤其是大空间尺度和长时间跨度的海域水质预测研究。本文以溶解氧（Dissolved Oxygen,DO）和溶解无机氮（Dissolved Inorganic Nitrogen,DIN）两类表征水体质量的关键指标为研究对象,采用威海近岸海域水质监测数据集,对海域水质的时空特征、生物化学特征、物理特征、气象特征、水文特征等自然因素,和海域功能区划、陆源排放等人为因素进行综合分析,基于集成学习方法,研究近岸海域DO和DIN浓度的季节性预测方法。本文的主要工作包括:1.数据预处理及目标因子特征分析。针对近岸海域水质监测数据的特点,对原数据集进行缺失值处理、特征构造、特征规范化和特征选择等预处理,并对DO和DIN浓度的时空分布特征进行分析。2.提出以DO和DIN浓度为目标因子的近岸海域水质单因子预测方法。首先,对层次聚类和密度聚类进行集成,根据目标因子的时空分布特征,对各监测站点数据进行聚类,并按照聚类结果将研究海域划分为多个分区,使每个分区内的目标因子均具相近的变化规律;然后在每个分区内,基于XGBoost实现对DO及DIN浓度的季节性预测。3.由于近岸海域水质因子之间存在着密切的关联,在单因子预测方法的基础上,提出基于相关链式回归的近岸海域水质多因子预测方法,充分利用多输出因子之间的相关性,通过回归链提升预测模型的泛化能力,有效提高了 DO和DIN浓度的预测精度。本文以威海近岸海域2015年至2019年160个监测站点的监测数据为实验数据,实验验证了本文所提出的层次-密度聚类（Hierarchical-Density,HD）-XGBoost的近岸海域水质单因子预测方法对具有时空分布特征的目标因子季节性预测的有效性,并证实了基于相关链式回归的近岸海域水质多因子预测模型对DO和DIN预测性能的提升效果。