新冠肺炎疫情在全球范围内广泛传播,对全世界的经济、社会和人民的日常生活造成了巨大影响,预测疫情的发展趋势对于指导疫情防控具有重要意义。疫情数据的实时收集与公开发布促使大量的研究者基于数据驱动的方法建立新冠肺炎疫情预测模型。当前大多数研究工作使用疫情时序数据建模疫情发展的整体趋势,较少地考虑了疫情在多个区域间传播的时空特性。新冠肺炎疫情在地区间传播具有高度的空间关联性,在不同时间阶段具有显著的时序模式差异性,导致疫情数据中存在复杂的时空依赖关系,限制了疫情预测模型的预测效果。针对于新冠肺炎疫情传播的空间关联性以及不同时间范围内时序模式的差异性给疫情预测问题带来的挑战,本文开展了基于时空特性挖掘的新冠肺炎疫情预测方法研究与实现工作。针对于新冠肺炎疫情在多个区域间传播的空间关联性,提出了基于空间关联感知的区域疫情预测方法,不仅使用区域之间的多种关联信息来建模疫情传播在多个地区之间的关联关系,而且捕捉疫情在多个区域传播的潜在关联关系,同步预测多个区域的疫情趋势的时候引入空间关联对疫情走势的影响。针对于新冠肺炎疫情发展趋势在不同时间阶段的复杂时序依赖关系,通过对疫情时序数据进行聚类分析验证了不同时间范围内疫情时序模式的差异性,提出了基于时序模式识别的疫情预测方法,分别对影响疫情发展的整体趋势以及不同时间范围内的局部趋势进行时序模式识别,融合不同时间范围内的疫情时序模式对疫情整体趋势的影响,提高疫情预测的准确性。本研究使用现实世界中多个新冠肺炎疫情数据集对提出的疫情预测方法进行验证分析,得到了多个评价指标下的疫情预测实验结果,证明所提出的疫情预测模型的预测效果优于目前常用的基准方法。基于空间关联感知的区域疫情预测模型能够捕捉到疫情传播在多个区域间空间关联关系,为多个区域间开展疫情联合防控提供参考;基于时序模式识别的疫情预测模型能够有效融合多种疫情时序模式对疫情走势的影响,提高模型的预测能力。为了验证所提出的疫情预测方法的可行性,本文设计实现了新冠肺炎疫情预测系统,该系统可以自动化地采集疫情数据,对疫情的实时状况进行可视化分析,模拟疫情的传播过程,预测疫情未来的发展趋势,为用户的日常生活提供疫情防控指导,具有较高的应用价值。