本发明涉及一种基于SARIMA‑LSTM的河流水质预测方法。该方法首先使用SARIMA模型对河流水质参数进行线性拟合及预测，得到预测值并计算残差。然后再使用LSTM神经网络进行残差序列的训练及预测，最后将两次的预测值相加得到最终的预测结果。河流水质监测数据具有线性特征和非线性特征，SARIMA模型能够很好的提取水质数据序列中的线性部分，从而可以加快LSTM神经网络模型训练的收敛速度，提高模型对非线性部分的预测能力以及降低出现局部收敛的可能性。本发明方法通过相关实验验证了方法的有效性。