1.一种基于EMD和GRU的桥梁传感器时序缺失数据重构方法，其特征在于，包括：步骤1，获取桥梁无线传感器的时序数据，存储在时序数据库中；步骤2，对时序数据进行预处理操作，识别缺失数据对应的时间戳，将时序数据按预设比例划分为训练集和测试集；步骤3，根据时间尺度特征使用经验模态分解方法对训练集和测试集进行分解，将符合要求的时序数据分解成有限数量的本征模态序列的线性组合；所述步骤3具体包括：步骤3.1，基于给定的训练集和测试集的原始信号 ，找到所有的最大值 和最小值 ，然后进行三次样条插值；步骤3.2，根据最大值 形成上包络曲线，最小值 形成下包络曲线，并基于上包络曲线和下包络曲线计算平均值 ；步骤3.3，根据时序数据 和平均值 计算中间信号 ；步骤3.4，判断中间信号 是否满足IMF要求，若满足，则将 作为第一个IMF分量，记为 ，若不满足，则将 作为原始信号，并重新计算 ，重复此过程，直到 满足IMF要求，得到多个IMF分量；步骤3.5，在得到一个IMF分量时，计算单调函数 ，判断计算单调函数 是否满足单调，若不满足，则返回步骤3.4，若满足，则停止迭代，将每次的单调函数 作为残差 ；步骤3.6，将从原始信号 中分解的全部IMF分量和残差作为本征模态序列的线性组合；步骤4，设计一种基于GRU的本征模态序列的初始预测模型，指定初始预测模型超参数组合以及损失函数，利用网格搜索方法在分解后训练集上训练初始预测模型并选择最优性能的超参数，得到最优模型；所述步骤4具体包括：步骤4.1，对每一个分解的IMF分量和残差使用初始预测模型进行预测，再将各个部分预测的结果进行组合以得到最后的预测结果；步骤4.2，使用网格搜索方法对GRU进行调参，选择最优超参数，得到最优模型；步骤5，获取桥梁无线传感器的实时数据，根据时间戳以及数据内容判断实时数据是否存在缺失，若存在缺失数据，则调用最优预测模型对缺失数据段进行重构，并将重构后的数据存储到时序数据库中；所述调用最优预测模型对缺失数据段进行重构的步骤，包括：将实时数据中的缺失数据及其对应的时间戳输入最优预测模型，得到预测的缺失值结果。
2.根据权利要求1所述的方法，其特征在于,所述预处理操作为标准化操作，所述标准化操作的表达式为其中， 为原始的时序数据实际值， 为标准化后的时序数据， 为时序数据的最大值， 为时序数据的最小值。
3.根据权利要求1所述的方法，其特征在于,所述平均值 的表达式为 ；所述中间信号 的表达式为 ；所述单调函数 的表达式为 ；所述本征模态序列的线性组合的表达式为 。
