综合采用深度学习技术中的多种时间序列算法，对水文、水质历史数据进行时间序列预测训练和验证，建立时间序列预测模型，提供边界处未来水文、水质预测结果，为水动力、水质模型提供合理的边界条件，提高模型驱动预测的精度。

多元线性回归、非线性回归、曲线拟合模型包括：卷积神经网络CNN、多层感知器MLP、长短期记忆网络LSTM、多元回归分析等多种机器学习模型。

数值模型/算法是水环境模拟的计算引擎和核心价值，一般根据实际应用侧重的功能需求来选择合适的模型。基于开源、具有商业应用背景和完善的社区技术支持等主要筛选依据，本系统中集成Delft3D、EFDC、SWAT等多种水动力、水质和水文模型。针对机器学习算法，目前存在几个类似的算法库，如Apache Mahout、Spark MLib、Keras，本方案采用Python的Keras机器学习算法中，调用其中的CNN、MLP、CNN、多元回归算法进行单点预报和集合预报。