[目的]城市内河水位预报对城市内涝风险管理具有重要意义,但是沿海地区城市水系构成复杂,传统数值模拟模型计算效率较低,无法实现实时计算.[方法]针对以上问题,以城市综合流域排水模型(InfoWorks　ICM)构建的水文水动力模型数据作为数据驱动,综合考虑降雨、城市地表高程(DEM)、土地利用以及街道分布与排水管网布设情况,构建基于机器学习方法的城市河道水位预报神经网络模型(LSTM).以福州市晋安河—光明港流域为例,开展算例研究.[结果]结果表明:该模型对城市河道水位预报48h预见期内的平均纳什效率系数(MNSE)均达到0.7以上,预报精度达到乙级,预报峰值水位误差均小于3％.[结论]模型能够提供可靠的河道水位演进过程与峰值水位预报结果,表明所构建的模型具有良好的预测性能,可用于城区河网水位快速预报.