水是生命之源,是动植物赖以生存和发展的基础。一直以来,地下水作为重要的供水资源受到过采、污染等问题困扰,导致地下水位降落、地面沉降、淡水咸化等一系列环境地质问题频发。地下水位长期监测是了解地下水开发利用现状,进行水资源可持续发展规划的重要依据。地下水监测水位数据作为典型的时空序列数据,具有非线性、不稳定性、强时空相关性等特点,是地下水动态分析、地下水位模拟、水文地质三维建模等工作的基础。然而,由于人为或自然因素的影响,地下水位长期监测数据往往存在不同程度的缺失。而现有地下水位缺失数据的传统修复方法在效率和准确率上表现较差,基于时空地统计学和基于机器学习的修复方法在时空序列数据修复时往往只关注时间或空间要素,对时空相关性的考量较为欠缺。因此设计高适用性、高精度的地下水位时空序列数据缺失修复模型,成为地下水资源分析研究、水文地质资源保护工作中亟待解决的问题。在当前学术背景下,通过研究地下水位时空分布特征,建立时空要素兼顾的地下水位缺失值修复模型成为解决上述各类问题的方向。本论文从上述需求出发,研究顾及时空相关的缺失数据混合修复模型,主要研究内容与获取的成果如下:(1)地下水位监测值特征分析。通过分析地下水位监测值的缺失状况、离散性、平稳性和时空相关性,得到地下水位监测值具有的高缺失率、高时空相关、非平稳特征,为时空缺失数据修复模型的选择和构建、修复后完整数据集准确度的验证指明了方向。(2)地下水位监测值时空缺失修复混合模型构建。基于数据特征和算法特点选择用于空间缺失修复的泛克里金插值法(UK)和时间缺失修复的支持向量回归(SVR),根据地理学中时间要素与空间要素结合方法,构建了可分离型时空缺失修复混合模型UK-SVR。(3)地下水位时空缺失数据修复模型对比评价。使用交叉验证算法,对比评价了 UK-SVR、UK、SVR和最近邻(KNN)四个模型的可靠性与准确性,证明了混合模型UK-SVR较其他单一修复模型修复结果更可靠、精度更高。