La calidad de los datos hidrológicos tiene un impacto significativo en los modelos hidrológicos, donde las series temporales hidrológicas estables y libres de anomalías suelen producir patrones más valiosos. En este documento, realizamos un análisis de datos y proponemos un método de control de calidad de datos hidrológicos en línea basado en un algoritmo de evolución diferencial adaptativo de acuerdo con las características de los datos hidrológicos. Teniendo en cuenta las características de continuidad, periodicidad y estacionalidad, desarrollamos un modelo de control predictivo de Memoria a Corto y Largo Plazo Temporal Periódica (PT-LSTM). Basándonos en la naturaleza en tiempo real de los datos, aplicamos el algoritmo de Evolución Diferencial Adaptativa para optimizar PT-LSTM, creando un Modelo de Control Predictivo Compuesto en Línea (OCPT-LSTM) que proporciona intervalos de confianza y valores recomendados para control y reemplazo. Los resultados experimentales demuestran que el método propuesto de control de calidad de datos gestiona eficazmente la calidad de los datos; detecta anomalías de datos; proporciona valores sugeridos; reduce la dependencia de la intervención manual; proporciona una base de datos sólida para el trabajo de análisis de datos hidrológicos; y ayuda al personal hidrológico en la programación de recursos hídricos, control de inundaciones y otras tareas relacionadas. Mientras tanto, el método propuesto también se puede aplicar al análisis de datos de series temporales en otras industrias.