本发明公开了一种基于时空的大变形柔性体动态受力测量信息补全方法，属于JLS测量技术和计算机机器学习领域。该方法应用于大变形柔性体在运动过程中的受力测量，尤其是应用于对JLS、气垫船等的充气过程中的受力测量过程中缺失信息的估计补全。其步骤如下：步骤1，确认缺失的时间和空间数据；步骤2，对缺失时间序列进行小波分解重构,对重构后的序列进行缺失值估计列估计、合成；步骤3，建立径向基函数神经网络，对其进行训练，通过训练好的神经网络得到缺失数据的估计值输出。本发明通过使用小波变换、ARIMA模型和径向基函数神经网络，给出了缺失数据的良好估计，估计精度高，可以有效应用于大变形柔性体的动态受力测量信息的补全。

本发明公开了一种基于时空的大变形柔性体动态受力测量信息补全方法，属于JLS测量技术和计算机机器学习领域。该方法应用于大变形柔性体在运动过程中的受力测量，尤其是应用于对JLS、气垫船等的充气过程中的受力测量过程中缺失信息的估计补全。其步骤如下：步骤1，确认缺失的时间和空间数据；步骤2，对缺失时间序列进行小波分解重构,对重构后的序列进行缺失值估计列估计、合成；步骤3，建立径向基函数神经网络，对其进行训练，通过训练好的神经网络得到缺失数据的估计值输出。本发明通过使用小波变换、ARIMA模型和径向基函数神经网络，给出了缺失数据的良好估计，估计精度高，可以有效应用于大变形柔性体的动态受力测量信息的补全。