“生态兴则文明兴、生态衰则文明衰,人与自然和谐共生的新生态自然观”是中国生态文明建设思想中的重要内容,其中水生态对生态文明建设非常重要。蓝藻水华作为水生态问题之一,对河流、水库和湖泊等水环境质量造成了巨大的影响。建立高效、实用的蓝藻水华预测模型准确预测蓝藻水华变化趋势对水生态治理有着重要意义。蓝藻水华具有非线性、滞后性、随机性等特点,传统的机器学习模型难以模拟其变化趋势。因此,需要对监测数据进行分解,分析其内部特征,根据数据特征进一步建立模型,实现蓝藻水华的精准预报。基于此,本文提出了基于周期性分解（Seasonal-Trend decomposition,STL）、差分整合移动平均自回归模型（Autoregressive Integrated Moving Average model,ARIMA）、注意力机制（Attention Mechanism,AM）、门控单元网络（Gated Recurrent Unit,GRU）和贝叶斯算法的组合预测模型。首先对获取到的叶绿素a数据进行预处理,处理原始数据中的异常数据,对缺失数据采用随机森林（Random forest,RF）方法补全。接着,使用STL算法对叶绿素a序列进行分解,得到了多个分解序列,对分解得到的序列进行平稳性分析。然后,对于平稳性序列,使用ARIMA模型进行预测,使用自相关检验算法确定模型参数。对于非平稳性序列,使用AM和GRU相结合的预测模型,对AM-GRU中的参数使用贝叶斯搜索算法优化,采用单步循环迭代法进行多步预测。最后,将各分解序列预测结果使用自适应叠加的方法重构得到最终的叶绿素a预测结果。将本文模型分别应用于室内模拟蓝藻水华和室外湖泊蓝藻水华预测中。在室内蓝藻水华预测中,模型的预测均方根误差（RMSE）为1.19462、平均相对误差均值（MAPE）为0.01080、平均绝对误差（MAE）为0.89646,决定系数（R~2）为0.97535、纳什系数（NSE）为0.97397;在室外实际湖泊蓝藻水华预测中,模型的RMSE为3.81845、MAPE为0.12882、MAE为2.06949、R~2为0.97788、NSE为0.97469。模型在室内模拟蓝藻水华和室外实际湖泊蓝藻水华预测中均取得了较高的预测精度,能够为蓝藻水华防控和应急处置提供科学依据和数据支撑。