针对盐碱地水产养殖区域水质预测精度不足的问题，本研究构建了基于 CNN-LSTM 的水质智能预测模型。该模型通过日均值重采样、异常值剔除及归一化等预处理流程提升数据质量，结合 Spearman 相关性分析优化特征选择；在模型架构上，利用 CNN 提取水质时间序列的局部特征与多尺度模式，结合 LSTM 捕捉长期时序依赖关系，实现对水质动态变化的精准建模。以黄河中游典型盐碱水域 5 个监测站点的实测数据为基础，对总磷浓度开展多预见期预测实验。结果表明，模型在 1 天短期预测中 R²最高达 0.782，各站点预测误差均处于合理范围，在盐碱水域水质预测中表现出良好的精度与稳定性，可为盐碱地水产养殖的水质动态监控与风险管控提供技术支撑。