La predicción precisa a gran escala de la altura de las olas regionales es importante para la seguridad de la navegación oceánica. Un modelo regional de predicción de altura de olas de múltiples pasos (ConvGRU-RMWP) basado en ConvGRU está diseñado para los dos problemas de resolución de características espaciales difíciles y baja precisión de predicción de múltiples pasos en la predicción de altura de olas en la navegación oceánica. Para la predicción de múltiples pasos, se utiliza una estrategia de predicción multi-entrada multi-salida, y la dirección de las olas y el período de las olas se utilizan como variables exógenas, que se combinan con datos históricos de altura de olas para expandir el espacio muestral. Para las características espaciales, se utiliza una red neuronal recurrente convolucional con estructura Codificador-Pronosticador para extraer y resolver información espacial de múltiples niveles. En contraste con los métodos de pronóstico de series temporales que consideran solo dependencias hacia atrás y hacia adelante en la dimensión temporal y una única evaluación de las propiedades de las variables predictoras en sí mismas, este documento considera adicionalmente correlaciones espaciales y correlaciones implícitas entre las variables meteorológicas. Este modelo utiliza la información de altura de las olas de las últimas 24 h para predecir la información de altura de las olas para las próximas 12 h. Los resultados de la predicción tanto en espacio como en tiempo muestran que el modelo puede extraer eficazmente correlaciones espaciales y temporales y obtener buenos resultados de predicción de altura de olas de múltiples pasos. El método propuesto tiene un error de predicción más bajo que los otros cinco métodos de predicción y verifica la aplicabilidad de este modelo para tres áreas marinas seleccionadas a lo largo de la ruta global de transporte de petróleo crudo, todas las cuales tienen un error de predicción más bajo.