随着社会经济的发展,资源消耗日益增加,能源问题越来越成为亟需解决的重要问题,而水能作为一种新型的能源,具有清洁、无污染、廉价、可再生等特点,在社会经济发展中发挥着越来越重要的作用。水电站作为充分利用水能的重要设施,其水库调度工作存在很多的影响因素。进行水电厂水库来水预测的意义主要在于经济效益和安全效益。只有对来水进行准确的预测,才能做好发电运行调度,提高其预测准确率无论对水电站的经济效益还是对综合安全效益都有十分重要的参考价值。本文提出了一种综合传统线性预测方法与循环神经网络的时间序列预测方法,用来解决水电站水库来水预测方面的问题。根据已有的预测方法,整合几种预测模型提出了水利发电站水库中长期来水预测的新思路,充分综合已有算法的优点实现序列较长时间段的更高精度的预测,并从理论上证明了其合理性。为进一步验证本文提出的方法的实际表现,并进一步探索使用预测方法的先后顺序对结果的影响,构建了九组模型进行了实验。首先分别构建单一的LSTM、ARIMA和SVM模型,利用长江柘溪到筱溪段水电站三年内的真实来水数据进行预测。然后选取其中的两种方法,以一种方法为基础另一种方法作为修正,对各种情况构建了六组模型进行了实验,最后依据均方误差对单一模型和混合模型的预测结果进行对比,得出最终的结论。