时空序列是指空间上有相关关系的多个时间序列的集合，实际应用中存在大量的时空序列如：交通流量数据、环境监测数据等。有效地分析时空序列间复杂的空间、时间关系，并在此基础之上构建时空一体的预测模型具有重要的理论价值和现实意义。　　本研究主要内容包括：⑴研究时空序列的重要性质，从建模原理和建模过程角度深入研究STRAMA模型；着重研究时空自相关性和时空偏相关性，分析探讨STARMA模型三步迭代建模过程，并在机场噪声数据集上验证STARMA模型有效性。⑵研究STARMA模型中空间权矩阵建立方法，针对一般空间权矩阵建立方法难以体现空间变量值序列之间的相互影响的不足，以STARMA建模原理为基础，提出一种基于样本时空序列的空间权矩阵建立方法。⑶提出基于STARMA模型的混合时空序列预测模型，模型基本思想是：首先用时空神经网络捕获确定性的时空非线性趋势，然后用STARMA模型建模非确定性时空平稳序列，最后时空神经网络和STARMA模型的预测结果进行组合。其中时空神经网络采用函数扩展和线性脉冲响应滤波原理，将时空序列低维空间映射到时空序列高纬空间，有效地拟合时空非线性趋势。⑷针对STARMA建模过程需要以时空序列具有时空平稳性为前提，且仅能拟合其中的线性自相关模式的不足，提出基于STARMA的网络模型。该模型以非线性函数代替线性组合，能够同时捕获线性和非线性两种模式。