1.一种地下水位监测值缺失的修复方法，其包括如下步骤：

步骤1：整合地下水位时空数据集，编制数据集，将其分为有经纬度信息的时空序列数据集和无经纬度信息时间序列数据集；

步骤2：以时空数据集为基础数据，选取空间数据集中含有缺失值的序列为目标序列，使用泛克里金法对除目标序列外的所有序列进行空间插值，在插值结果中中输入目标序列坐标值，得到目标序列缺失值的空间修复结果，并重复上述过程，直至将所有空间缺失值修复完整；

步骤3：以时间序列数据集为基础数据，判断数据集中序列是否存在缺失值，以此为依据将数据集划分为训练集和目标集，使用训练集对机器学习算法进行训练，挖掘时间序列的变化趋势和序列间的相关关系，训练获得时间序列缺失修复的机器学习模型，并对目标集进行修复；

步骤4：将空间修复结果导入机器学习算法中与时间修复结果和实际监测数据进行训练学习，通过机器学习不断调整时空要素权重，构建地下水位时空序列缺失数据的混合修复模型；

步骤5：以地下水位时空监测数据集为研究对象，使用地下水位时空序列缺失值混合修复模型对地下水位时空监测数据集中的缺失数据进行修复，从而得到完整连续的地下水位观测数据。

2.根据权利要求1所述的一种地下水位监测值缺失的修复方法，使用泛克里金插值对地下水位监测缺失值进行空间插值的具体步骤如下：步骤1：确定需要进行修复的时刻t，从地下水位时空数据集中选定该时刻已知的监测点的位置数据和水位数据，以及需要进行修复的目标点的位置数据；

步骤2：假设非平稳的水位数据存在非平稳的数据期望和非平稳的方差函数，将非平稳的数学期望和方差函数代入，计算水位数据的协方差函数和变异函数；

步骤3：使用无偏性条件和最优性条件进行约束，计算水位数据的泛克里金估计方差，求解得到泛克里金方程组中位置的权重系数；

步骤4：将权重系数代入泛克里金方程组，将泛克里金方程组转化为普通克里金方程组，并求解；

步骤5：使用泛克里金方程组计算目标监测点的水位值；

步骤6：更换时刻t，重复上述过程，直至求出所有缺失值的空间修复结果。

3.根据权利要求1所述的一种地下水位监测值缺失的修复方法，所述时间缺失修复方法基于机器学习算法，机器学习算法采用基于支持向量回归(SVR)算法，步骤如下：步骤1：使用任意方法收集监测点历年的水位数据，整理数据值并提取样本所需的地下水位时间序列数据集；

步骤2：对样本数据集进行整理划分，分成训练样本集和检验样本集；

步骤3：确定机器学习的模型SVR，初始化模型参数、松弛变量、核函数；

步骤4：对训练样本集进行训练，将归一化的数据导入SVR模型中，通过挖掘各序列时间变化趋势和序列间相关关系，通过交叉验证算法计算模型误差，不断调节SVR模型中的各项参数，最终确定SVR算法的核函数和松弛因子，得到缺失数据修复模型SVR；

步骤5：使用SVR模型对检验样本集中的水位缺失数据进行修复，得到完整地下水位时空数据集。