水质预测对保护水环境有着极为重要的作用,有利于把控水域水质变化情况,避免水质灾害的发生。随着人工智能技术不断发展,神经网络技术应用于水质预测受到越来越多的关注和研究。通过构建合理的神经网络模型,以历史水质数据作为输入,可以实现水质预测。不同的网络对水质预测的准确性差异显著。本文采用LSTM网络对嘉陵江流域南充段水体进行水质预测研究,选取嘉陵江干流上金溪电站断面作为研究对象。从国家地表水水质自动监测实时数据发布系统和“青悦开放环境数据中心”获得历史水质数据。采用随机森林法对缺失水质数据进行填充。采用主成分分析法确定金溪电站断面的关键污染指标为总氮和高锰酸盐指数。利用斯皮尔曼相关性分析法,选择总氮和高锰酸盐指数作为水质预测对象,选出与关键污染指标最相关的水质指标作为预测模型的输入特征参数,从而构建出单站LSTM水质预测模型。为进一步提升预测效果,在考虑上游水体水质对下游水质影响的基础上,利用经多站特征筛选后的参数,构建多站LSTM水质预测模型。基于相同的数据集,对单站和多站LSTM网络模型进行水质预测性能的对比实验。实验结果表明:以RMSE和R~2作为评价指标,多站LSTM水质预测模型的两项指标均优于单站LSTM水质预测模型。为了方便运用提出的LSTM网络模型进行水质预测,设计了一个可视化水质预测软件系统。系统包括4个功能模块,实现对水质数据的导入、分析、显示和存储水质预测结果等功能。