水质分类受多个特征属性影响。采用支持向量机(Support Vector Machine, SVM)方法研究水质预测问题。对特征属性过多导致SVM的分类精度下降的问题,采用主成分分析算法进行特征降维。针对SVM中的多参数优化问题,采用量子粒子群优化算法对SVM参数(核函数、惩罚因子)进行寻优。提出了一种基于主成分分析和量子粒子群优化的SVM算法。实验结果表明,该方法能够快速提取出最优参数组合,其泛化性能较高。