本发明涉及一种基于深度强化学习的原水系统调度与风险预警方法，包括以下步骤：建立水厂取水泵站总能耗最小化与取水含沙量最小化问题的马尔可夫博弈模型，并设计相应的状态空间、动作空间和奖励函数；获取历史运行数据和水文数据，基于预设的水力模型和MLP神经网络，构建调度环境模型；通过调度环境模型和智能体PPO算法，对深度强化学习智能体进行训练，并基于域随机化提升泛化性能，得到智能体策略；构建seq2seq模型，基于历史运行数据，分别对河流泥沙含量和水库供水量进行多步预测，结合训练得到的智能体策略，生成风险预警模型。与现有技术相比，本发明具有泛化性能强，具备风险预警功能等优点。