本发明提供了一种基于深度学习的短期水质水量预测方法，包括以下步骤：步骤A：对原始水质水量数据进行预处理，将处理后的数据划分为训练集和测试集；步骤B：将训练集输入LSTM网络中进行训练，使用adam算法更新权重，得到预测模型；步骤C：基于原始水质水量数据使用预测模型预测测试集中的预测值；步骤D：将预测误差输入ARMA模型中得到误差序列的误差修正模型；步骤E：将待预测数据分别输入预测模型和误差修正模型，将结算结果几何相加得到预测值；本发明还提供水质水量预测系统。本发明的优点在于：通过LSTM神经网络和ARMA模型分别对待预测时刻的水质水量和预测误差进行计算，具备更强的通用性和稳定性，使得水质水量预测结果更为稳健。