在地理、环境、气象、生态、经济、金融、人口以及流行病等众多学科领域中的观测数据总是在特定的时间和(地理)空间位置被搜集整理,经长期积累就形成了同时具有时间和空间位置属性的时空数据集.因其广泛的应用前景,伴随着近年计算机运算能力的进步和各领域时空数据生产能力的提升,时空数据统计分析方法正成为统计学新兴分支学科空间统计学研究的前沿热点.进入二十一世纪,基于计算机与互联网技术的空间数据收集和存储手段空前强大,时空数据呈现出非结构化、非正态和多尺度等复杂性特征,致使目前广泛应用的经典空间回归模型难以适应空间数据集的复杂性,无法有效建模,使得经典统计学框架下建立的空间回归分析方法面临全新挑战.统计机器学习技术与空间回归模型相结合的方法显著提升传统空间回归方法的有效性、可靠性和解释性,为复杂空间数据的回归分析研究提供了极具价值的新思路.目前,通过机器学习方法-支持向量机(SVM)来研究空间数据方面有了一些研究.但是运用支持向量机算法对时空数据建模分析的研究少且不充分。首先,本文在以往的空间数据方面的工作的基础上,把时空地理加权回归(GTWR)方法与最小二乘支持向量回归机(LS-SVR)相结合,建立了时空地理加权最小二乘支持向量回归(GTW-LS-SVR)模型,研究了回归系数函数的局部时空加权最小二乘支持向量估计方法,以及模型最优超参数的交叉确认选择方法.然后通过时空地理加权最小二乘支持向量回归模型和传统的时空地理加权回归模型的随机模拟实验,比较研究了两种估计方法下模型预测值的均方误差和残差平方和,结果证实时空地理加权最小二乘支持向量回归模型的拟合精确度比传统的时空地理加权回归模型更高.最后,采用时空地理加权最小二乘支持向量回归模型分析了新疆地区54个气象观测站1991-1998年降水量时空数据集,研究了降水量时空分布特征以及海拔高度对降水量影响的空间异质性,并且使用时空地理加权最小二乘支持向量回归模型预测1991-1998年新疆54个测量站的降水量,进行等级分析.实证研究发现:1)新疆年总降水量的分布具有显著的时空异质性.2)不同时空位置的降水量的变化趋势不同.3)新疆降水量等级分析可知,随着地理位置和时间的变化,新疆各地年总降水量之间有很大的差异.实证研究结果为新疆降水资源有效利用、预防洪涝和干旱灾害提供科学决策依据。