随着传感网络的不断发展,人们获取的地理传感数据越来越多,对地理传感数据的预测逐渐成为了学者们研究的热点。地理传感数据的预测在经济、工程、自然科学和社会科学中具有广泛的应用。目前,学者们已提出了大量关于地理传感数据的预测方法,如STARIMA、cARIMA、cVAR等。这些方法通过不同的方式将数据中源于不同站点的空间相关性和同一站点的时间相关性进行处理。但上述的模型中通过聚类方式对数据进行处理时,将聚类结果通过一定方式统一应用到同一个簇中的所有序列之中,忽略了每个地理传感数据序列的独特性,地理时序数据预测的准确性还有待进一步提高。本文提出了一种将数据中时间信息和空间信息有效融合,同时考虑了各传感序列独特性的nVAR模型对地理传感数据进行预测。该模型通过计算时空距离将数据中的时间信息和空间信息量化,并基于时空距离寻找K近邻,最后将近邻结果应用于向量自回归模型中完成预测。nVAR模型采用寻找时空近邻的方式将数据中时间维度和空间维度的相关性有效地融合,同时应用在时空上具有高度相关性的近邻对传感序列进行预测,充分考虑了各地理序列的独特性。然而以上模型在处理时间相关性时只注意到时间序列两两之间的局部关系,忽视了时间序列在整个数据集中的位置。由此本文在nVAR模型的基础上提出了cnVAR模型。cnVAR模型引入了耦合时间距离,利用耦合的方式对数据中的时间信息进行处理,从全局的角度定义了时间距离。最终我们应用4个真实的地理传感网络所收集的7个数据集分别采用cVAR、nVAR和cnVAR模型进行实验。实验结果表明nVAR和cnVAR模型能有效提高地理传感数据的预测精度。