针对传统水质预测方法中水质因子的多重相关性造成预测精度低的问题，提出了一种将偏最小二乘法和支持向量机相耦合的水质预测方法。利用偏最小二乘法提取对水质因子影响强的成分，从而克服了信息冗余问题，并降低了支持向量的维数。利用支持向量机建模可以较好地解决高维非线性小样本问题。同时利用改进的PSO算法优化SVM参数，减小参数搜索的盲目性。研究结果表明，本耦合模型的预测精度和运行效率明显优于常用的BP人工神经网络和传统的支持向量机，可以更好地应用于水质预测。