溶解氧的精确预测对于河流污染预防具有关键作用，但现有模型没有充分考虑数据自身具有的时序特性和基于对数据进行有效预处理的角度来提升溶解氧预测的精度。针对上述问题，提出了一种基于小波变换（wavelet）和多层感知器（MLP）的深度学习模型（wavelet＿MLP），该模型首先对数据进行三层小波分解的预处理，得到三个低频子序列和一个高频子序列，并对这四个子序列进行数据重构；其次利用多层感知器（MLP）对每个子序列分别进行预测；最后将所有预测得到的子序列整合再预测输出最终结果。模型在江西丰城小港口站点和江西肖江江口站点数据集上与其他八种模型相比在四个指标上总体最优，这验证了所提出模型是有效的。