面向坐底式声学波浪观测的连续缺失原始数据填补方法

本发明公开了面向坐底式声学波浪观测的连续缺失原始数据填补方法，涉及海洋坐底式声学波浪观测技术领域，包括通过奇异谱分析算法将原始时间序列分解为不同特征子序列，提取出趋势分量和瞬态变化分量；趋势分量缺失部分通过BP神经网络根据已有时序数据拟合生成整体趋势分量数据完成缺失数据的填补；瞬态变化分量，按照瞬态分量缺失数据时段的前后向完整时序数据，通过GRU‑DTW神经网络模型分别完成数据各部分缺失数据的填补；数据填补完成后，重构形成完整的原始数据，用于波浪特征值统计计算。本发明高效还原其不同数量的连续缺失数据的原有状态，提高了波高、波周期的测量准确度。