DNA序列测序技术在遗传信息和基础生物研究上有着重要作用。自20世纪70年代第一代DNA序列测序技术问世以来,经过近40年的快速发展,DNA测序技术取得了重大的进步。基于纳米孔的DNA序列测序是当前最新一代DNA测序技术,因其测序速度快、高通量、成本低等特点得到了科学研究者的广泛关注。DNA分子在通过纳米孔时,四种碱基分子所产生的感应电流各有不同,通过对产生的电流的分析得到DNA分子的序列,这就是纳米孔DNA序列测序技术的理论基础。而影响纳米孔测序技术发展的主要因素是基于纳米孔的DNA测序算法的好坏。本文根据对纳米孔测序基本原理的分析,提取碱基的电流改变量和持续时间作为DNA分子的特征向量进行基于纳米孔的DNA测序算法的研究。论文主要内容如下:首先,根据基于纳米孔DNA序列测序的基本原理,分析DNA分子通过纳米孔时诱导电流的变化情况,将DNA分子通过纳米孔时所引起的电流改变量和电流改变的持续时间作为描述DNA分子信息的特征向量。同时,由于纳米孔测序过程中会产生各种噪声干扰,本文在对噪声来源与产生机制分析后,采用小波去噪方法对所得实验数据进行去噪处理,减少噪声对真实信息的干扰。然后,根据深度学习理论,本文建立了基于隐马尔可夫模型的隐马尔可夫DNA序列测序模型,同时针对模型中出现的一些问题,本文优化了该模型,建立了优化隐马尔可夫DNA测序模型。同时,在进一步探究中,本文建立了基于RNN神经网络模型的RNN神经网络DNA序列测序模型,并通过仿真实验确定合适的模型参数。再进一步对纳米孔测序DNA序列测序原理分析的同时结合现有测序算法,提出了新的基于RNN神经网络的负反馈RNN神经网络DNA序列预测模型,通过对该模型训练效果的分析,确定合适的模型参数。最后,本文使用三种评价标准:测序准确率、Hamming loss(汉明损失)系数和Kappa系数对隐马尔可夫DNA序列测序模型、优化隐马尔可夫DNA序列测序模型、RNN神经网络DNA序列测序模型和负反馈RNN神经网络DNA序列测序模型的DNA序列测试结果进行评价分析,结果显示负反馈RNN神经网络DNA序列测序模型预测准确度有着明显的提高,其模型对DNA分子的分类能力强于其余三种模型。