整合了2016年—2017年云贵高原岩溶深水水库——万峰湖水库表层CO2分压[p（CO2）]及对应的水质指标，计算了水-气界面CO2通量并分析其与水质的线性相关性，最终在收集的样本数据下建立了水库CO2通量预测的卷积神经网络与长短时记忆神经网络混合模型（CNN-LSTM模型）。研究表明：万峰湖水库夏季的CO2通量仅与pH和氧化还原电位（ORP）有显著的相关性，而冬季的CO2通量与水温（T）、pH、碱度（ALK）、总溶解固体物质浓度（TDS）和电导率（Cond）均有显著的相关性，在一个完整的水文年内，6个水质指标均为CO2通量的重要影响因素。使用80%训练集数据训练CNN-LSTM模型，20%测试集数据测试模型的绝对均值误差（MAE）,均方根误差（RMSE）和相关性（R~2）,并且建立CNN神经网络模型、LSTM神经网络模型和全连接神经网络模型（DNN）与之对比。4种模型预测值与实测值的相关性（R~2）均高于0.90, CNN-LSTM模型的MAE与RMSE分别为2.64、3.85 mmol/（m~2·d）,均低于另外3种神经网络模型，CNN-LSTM模型能在样本数量较小的情况下取得最好的CO2通量预测效果。