随着现实世界中不确定现象的频繁出现,不确定性问题已成为自然和社会科学研究的焦点。空间O-D流是一类具有起点（Origin,O）和终点（Destination,D）的空间相互作用现象的统称,包括有形的人口通勤流、商品流、资金流以及无形的信息流等。空间O-D流的影响因素复杂多样,既包括经济、社会、政治、文化等因素,也取决于自然生态环境的制约。不同变量的选择、不同空间结构的定义、不同模型结构的选择等,使得空间O-D流的建模过程存在着很多不确定性。融合不确定性和先验知识表达的贝叶斯统计学在地理学、区域科学以及其他自然和社会科学等领域受到了广泛青睐。贝叶斯模型平均方法（Bayesian Model Averaging,BMA）在贝叶斯理论的基础上,利用先验知识设定先验分布,然后根据观测数据不断地更新先验,最后计算模型后验概率作为模型平均的权重,为空间O-D模型的选择和优化奠定了理论基础。本文围绕空间O-D模型优化,以我国2010-2015年间省际人口迁移数据为研究对象,采用BMA和马尔可夫链-蒙特卡罗模型组合（Markov Chain Monte Carlo Model Composition,MCMCMC或MC3）方法,对空间O-D模型构建过程中关于空间结构定义、解释变量选择以及模型结构选择等方面可能存在的不确定性问题,分别进行了探讨并给出各自的优化策略,并在此基础上进行了综合优化。首先介绍了空间O-D模型的三种主要结构:空间自回归模型（Spatial Autoregressive Model,SAR）、空间误差模型（Spatial Error Model,SEM）和空间杜宾模型（Spatial Durbin Model,SDM）,以及这些模型在不同约束条件下的表达形式,包括包含迁出地或目的地空间依赖的双约束模型、同时包含迁出地和目的地空间依赖的单约束模型、以及同时包含迁出地、目的地和迁移流空间依赖的无约束模型。然后利用贝叶斯模型平均方法分别给出了空间权重矩阵、解释变量或模型结构等方面各自的不确定性优化方案,并综合这三种不确定性因素设计了综合优化方法,最后从抽样结果、系数估计和效应估计等角度对2010-2015年间中国省际人口迁移空间O-D模型优化结果进行了比较分析。主要结论如下:（1）在不同约束条件下的空间O-D模型中,同时包含迁出地、目的地以及迁移流空间依赖的无约束模型的拟合效果更好。以SAR模型为例,比较双约束、单约束和无约束模型的对数似然值和R2,结果均表明无约束模型的拟合效果更好,其次是双约束模型,最后是单约束模型。（2）在空间权重矩阵的优化过程中,不同约束条件和模型结构的空间O-D模型对空间邻接结构的敏感程度不同。例如,对于仅包含目的地依赖的SAR模型,9-最近邻、7-最近邻和5-最近邻空间权重矩阵对应的模型后验概率较大;对于相同约束的SEM模型,8-最近邻空间权重矩阵对应的模型后验概率最大,并且占主导地位。（3）在空间O-D模型结构优化过程,不同约束条件下的模型后验概率相对大小不完全一致。总的来说,无论是双约束还是无约束模型,SDM模型的主导性地位比较突出。（4）不同方面的模型优化过程中,同一变量的效应估计在大小、符号、显著性和置信区间等方面存在差异。例如,在权重矩阵和模型结构优化中,人口的目的地效应是显著的,但在解释变量优化和综合优化中并不显著。城镇居民年平均工资的目的地效应在三个方面单独优化过程中均是正值,但在综合优化过程中是负值。相对其他情形下的优化,综合优化得到的效应估计的置信区间范围较小。（5）综合优化结果表明:目的地效应中,GDP的促进作用较为突出且数值最大,其次是在校大学生数、城镇居民年平均工资、农村家庭人均年收入;迁出地效应中,人口的促进作用最大,其次是城镇居民年平均工资和GDP;网络效应中,在校大学生数、农村家庭人均年收入、气温指数和城镇居民年平均工资的影响较大。总体效应的数值大小来看,人口的总体效应最大,其次是在校大学生数、气温指数、农村家庭人均年收入。