本发明涉及一种基于深度学习的储罐穹顶位移数据修复方法，属于位移数据修复技术领域，所述修复方法包括：获取待修复测点和周围关联测点的历史位移数据，通过集合经验模态分解算法分解为多个本征模态函数分量对1DCNN‑BiLSTM模型进行训练得到EEMD‑1DCNN‑BiLSTM模型，并通过EEMD‑1DCNN‑BiLSTM模型预测出缺失的位移数据，完成数据修复。本发明中，将EEMD、1DCNN和BiLSTM组合成一个新的模型，非常适合处理有空间关联的复杂长期时序动态信息，能够大大提高预测精度，非常适合用于LNG储罐穹顶缺失位移数据的修复。