目前,各地都在积极发展智能水环境质量监测系统,但是传感器设备采集的大量水质因子数据只被用于当前异常值的警报,缺乏对历史数据的有效分析及预测预警。为了有效地利用大量的历史数据并且有效地对溶解氧的变化规律进行预测,本文首次针对宜兴市鱼养殖场水质监控设备采集的数据,构建了宜兴市鱼养殖水质因子监测数据仓库,优化了数据的存储、展示及挖掘。使用典型性相关分析方法分析pH值、叶绿素、水温、浊度对溶解氧的影响作用。通过对溶解氧的变化规律进行研究,总结出在水产养殖中,溶解氧变化呈现出随机性、非线性,基于此,本文首次提出利用组合模型的方法对其进行预测,以期解决溶解氧预测困难、预测结果不准确的问题。本文结合宜兴市鱼养殖2012年7月以小时为单位实地采集的744条数据,采用ARIMA模型对溶解氧进行预测,反应溶解氧周期性变化趋势。采用RBF神经网络对非线性残差部分进行预测。用两部分结果实现溶解氧的预测。预测以及验证结果表明,组合模型较单一模型而言,预测结果更加全面、准确,预测结果表明每日下午至傍晚时,溶解氧含量处于最高值,应对藻类生物进行清理以保证溶解氧的含量不会过高；每日凌晨时,溶解氧含量处于最低值,应通过化学增氧及水体清理方法提高溶解氧的含量。