时空插值是空间插值的拓展,是分析数据时空分布特征的重要基础。基于数学模型的传统时空插值方法受到模型结构限制,参数选择易受主观因素影响,难以拟合时空距离与时空权重的复杂非线性关系。为此,本文构建了时空自回归神经网络插值方法,利用神经网络拟合时空权重,提升了时空插值精度。本文主要研究内容如下:（1）针对传统时空插值方法存在的模型选择与参数估计受主观影响、难以拟合时空距离与时空权重的复杂非线性关系等问题,设计了时空自回归神经网络插值模型,利用神经网络对非线性关系的自学习与抽象能力,实现从时间距离与空间距离到时空权重的映射,避免了复杂的参数估计过程和主观因素的影响。（2）结合经典神经网络训练与优化策略,根据模型网络结构特征,设计了时空自回归神经网络的训练框架,包括总体训练流程、优化策略、激活函数选择与参数初始化设置,以提高模型的训练效率和插值性能。（3）以浙江近岸海域水质监测数据中的无机氮和温度为研究对象,进行了时空自回归神经网络插值方法与以空间克里金、时空反距离加权为代表的现有插值方法的对比实验,验证了本文方法的有效性和适用性。