时序重构与机器学习耦合的叶绿素监测数据断点修复方法

本发明公开了时序重构与机器学习耦合的叶绿素监测数据断点修复方法，属于水质监测技术领域。时序重构与机器学习耦合的叶绿素监测数据断点修复方法，包括以下步骤：S1.采集水质的监测数据，对所述监测数据进行清洗得到预处理后的数据；S2.预处理后的数据进行时间序列重构，得到周均1数据集；S3.以叶绿素浓度为响应变量，常规水质参数为预测变量，分别构建径向基函数神经网络模型及反向传播神经网络模型；S4.采用均方根误差、平均绝对百分比误差、拟合优度和相对误差分布统计作为评价指标，对各模型进行性能评估，筛选出最优模型；S5.将水体中叶绿素监测数据的断点区间中常规水质参数应用于最优模型，输出修复后的叶绿素浓度值，完成断点动态修复。