本发明公开了一种基于手机信号反演的时序降雨数据处理方法，具体涉及基于深度学习的手机信号反演降雨方法，包括以下步骤：获取历史监测数据的信号与雨量样本，并划分为训练集和验证集；构建循环神经网络模型；选取滑动窗口内的平方差特征值作为降雨信息反演的目标函数，确定所述循环神经网络模型的拟合程度；对所述平方差特征值目标进行优化计算；用所述训练集和所述验证集对所述循环神经网络模型进行训练，获取输入信号，并将所述输入数据输入至基于深度学习的时序降雨数据反演模型，得到预报结果。本发明提升了传统理论方法反演降雨的时空分辨率与预报精准度，对进一步提升“通‑感‑算”数字孪生流域建设具有重要意义。