工业废水分类是水污染防治和水资源管理的前提和基础，相较于生活污水，工业废水的分类研究相对滞后。水体化学需氧量 (COD) 是衡量水体质量的核心指标，针对现有工业废水COD分类算法中预测精度较低的问题，提出基于门控循环单元 (GRU) 的卷积神经网络 (CNN) 混合模型。该模型首先将紫外-可见光谱法测得的工业废水COD数据进行高斯滤波去噪，然后把去噪后的光谱数据输入CNN模型进行特征提取，最后通过GRU神经网络实现工业废水COD分类。实验结果显示，CNN-GRU分类模型经过200次训练后达到收敛, 分类精度达到99.5%，与长短期记忆方法、GRU方法、CNN-LSTM方法相比，该混合模型的分类精度具有显著优势。