本发明提供一种预测水深的方法、系统、终端及介质，该方法包括：S1.构建预测水深与地理位置及时间的关系模型，定义损失函数；S2.构建基于地理位置及时间的训练数据集的训练矩阵，对训练矩阵进行卷积、激励与池化后得到的转化数据集作为神经网络的输入层；S3.构建神经网络，基于神经网络的输入层获取输出层，输出层为预测水深数据集；S4.使用预测水深数据集和对应的实际水深数据集训练神经网络，以损失函数的最小化为目标迭代优化获得最佳参数矩阵，并基于获得最佳参数矩阵的神经网络预测水深。本发明通过将神经网络模型应用到预测海洋水深的应用场景，通过训练后的神经网络预测给定地理位置和时间对应的水深，进而实现对水下地形冲刷情况的演化分析。