从2019年底起,新型肺炎疫情相继在世界各国开始迅速蔓延,使得全球公共卫生安全不容乐观。因此本文是基于中国地区COVID-19传播过程的时空特性和危险因素来建立疫情传播风险预测模型。本研究收集了中国地区31个省级行政区（不包括香港、澳门和台湾）以及五种不同来源的数据集来展开分析,其中包括COVID-19确诊病例数据、百度迁移指数数据、政府响应严格指数数据、空气污染物数据和气象数据。首先应用空间自相关、热点和时空扫描统计方法来探索COVID-19的时空特性;其次使用统计学中的单因素和多因素分析方法来探索疫情危险因素与COVID-19确诊病例之间的关系;最后,通过差分整合移动平均自回归模型（Autoregressive Integrated Moving Average model,ARIMA）和长短期记忆网络模型（Long Short-Term Memory,LSTM）,将统计学显著的危险因素纳入其中,从而来构建中国地区COVID-19传播风险预测模型,对不同地区COVID-19发生的风险进行模拟、验证和预测。研究结果如下:（1）在已确诊病例数最高的地区,有明显的连续分布趋势,主要集中在武汉和经济发达城市附近（例如:上海和北京）,而病例数较少的地区则覆盖范围相对稳定（例如:青海,西藏和新疆）,表明地区间的差异正在增加。（2）从全局Moran’s I指数,1月31日至9月1日,地级累计确诊病例呈显著的全局空间自相关（p＜0.0001,Z＞9.58）,表明全国地级累计确诊病例呈极显著的空间依赖性。此外,局部空间自相关分析产生的结果表明:中国湖北省及其周边邻近的城市属于“高-高”聚类区域;“低-低”聚类区域存在连续的布局趋势,这些区域主要位于内蒙古,甘肃,宁夏,青海,西藏和新疆,其余的行政区域则不具有统计学意义。（3）热点分析（Getis-Ord G*）结果表明,热点区域（90%Confidence）由1月份的32个地级市区域扩散至3月67个地级市,其中包括26个极其重要的热点区域（99%Confidence）和41个重要的热点区域（95%Confidence）,随后逐步趋于稳定。（4）时空扫描分析结果表明:共探测出6个聚集区域,包括17个省。其中危险度（Risk Ratio,RR）越大,该地区患病的风险越高,P＜0.05拒绝原假设,具有统计学意义。（5）从社会因素（人口迁徙规模指数、政府响应严格度指数）和自然因素（空气污染物和气象因素）与COVID-19每日确诊病例进行分析。研究结果表明:日均温度、风速、降水量、空气污染浓度、迁徙规模指数和政府响应严格指数等因素均与COVID-19发病密切相关。（6）利用纳入危险因素的时间序列ARIMA模型和LSTM模型对中国地区COVID-19患病情况分别进行建模评估。通过比较发现,LSTM风险拟合评估模型的效果均低于ARIMA风险拟合评估模型,即LSTM模型的拟合情况优于ARIMA模型。最后,利用评估准确性相对较高的模型来对中国地区COVID-19传播进行预测。结果表明,LSTM风险传播预测模型取得了更好的建模和评估效果。本研究以中国地区COVID-19确诊病例数为测量指标,采用了多种研究方法,从多个角度,较为全面地对我国COVID-19传播的时空特性、分布规律及传播风险进行了深入的探究,为公共卫生部门对COVID-19传播的管理工作提供了信息化决策工具。