本发明公开了一种基于深度学习的空间曲线形状匹配方法，所述方法包括通过时间序列数据的可见图在流线上的扩展得到流线的可见图，在流线s上的所有点之间生成一个成对的距离矩阵得到然后选择需要的阈值d过滤该矩阵生成一个距离为d的可见图，在可见图中进行采样获得子图，神经网络进行深度学习训练获得潜在向量，最后实现流线的形状匹配。通过深度学习的手段将任何流线数据集的形状信息单独进行编码并嵌入到一个潜在的特征空间，在尽量保证信息损失最小的前提下，利用流线编码成的潜在向量描述符进行精确的形状匹配。