近年来,随着社会与经济的发展,环境因素对人的生活与行为、企业的生产与运营产生着越来越显著的影响,在管理中面向环境因素进行的研究越来越深入。随着相关研究不断深入,研究涉及的数据量不断增大,对数据质量要求不断提高,传统的地面站点收集的环境数据的获取和处理的成本不断增加,且一些地区地面站点较少,数据覆盖范围小,数据粒度低,难以满足深入研究的需要。遥感图像能实时动态地反映环境因素的空间分布,具有采集频率高、采样范围大、数据粒度高、收集成本低等优势,因此,恰当地使用遥感图像数据有助于提高预测模型的精确性与时效性。然而,在建立预测模型的过程中,有时影响预测目标的变量类型众多,相应数据的来源各异,导致模型不仅涉及遥感图像数据,还可能涉及结构化数据,即存在异构数据;数据的采样频率也可能不一致,即存在混频现象。同时,模型变量间的数量关系复杂,且样本数量往往有限。本文旨在从数据科学的视角出发,解决上述存在于遥感图像数据应用中的瓶颈问题,借助软集合理论和深度学习方法,建立基于遥感图像的同频数据预测模型和混频数据预测模型。具体来说,本文从遥感图像的代数表示、遥感图像数据与结构化数据的混合建模、基于遥感图像混频数据的预测模型三个方面展开了以下研究:第一,遥感图像和时空变量的代数表示方法研究。在本文中,将遥感图像视为时空变量在空间中的观测图像,结构化数据视为数值变量在给定的空间区域内的观测值,空间区域视为空间域的子集族。软集合理论是对参数化的论域子集族进行表示和运算的代数理论,被广泛应用于多种信息融合的预测中。本文基于软集合理论,定义时空软集合和时空模糊软集合对空间中的区域进行代数表示,并对时空软集合的数学性质进行研究;之后,本文对软集合运算进行必要扩充,对时空软集合的数量运算方法进行定义,进而提出遥感图像及时空变量的代数表示方法,为构建预测模型奠定理论基础。第二,同频数据软集合预测模型研究。同频数据可以视为混频数据在各变量采样频率比为1时的一种特例,同频数据预测模型是混频数据预测模型的基础,是本文——基于遥感图像混频数据的软集合预测模型研究的重要组成部分。本文对同时涉及时空图像数据和结构化面板数据的小样本预测问题,从时间结构上相对简单的同频数据预测问题入手展开研究。本文在第一步——遥感图像和时空变量的代数表示方法研究的基础上建立同频数据软集合预测模型,证明模型的参数估计在一定假设条件下具有相合性,并从实践的角度出发,结合卷积神经网络实现基于遥感图像同频数据的软集合预测模型。之后,本章基于多种环境遥感图像同频数据和相关的结构化同频数据对卫生信息系统管理中的癌症死亡率和医疗卫生支出问题进行预测,验证模型在样本容量较小的预测问题中的有效性。第三,混频数据软集合预测模型研究。本文在前两步研究的基础上,针对遥感图像数据和结构化面板数据中的混频现象,根据现有混频数据模型和软集合理论研究基于遥感图像混频数据的预测问题。本文首先建立混频数据软集合预测模型,并研究该模型的统计性质,结合动态图像处理技术,实现基于遥感图像混频数据的软集合预测模型,并提出一种基于特征信息模糊软集合的混合式特征选择方法。之后,本章对卫生信息管理中癌症死亡率和医疗卫生支出的混频数据预测问题,收集多种环境遥感图像混频数据及相关结构化混频数据,验证模型在混频图像数据处理中的有效性。本文的研究结果表明,文中提出的软集合预测模型具有较强的稳健性,即使在样本容量较小的预测问题中也可以有效利用遥感图像同频数据和混频数据进行预测,研究结果在一定程度上拓展了软集合理论、图像处理理论和混频数据预测理论的研究范围;同时,在实践中利用遥感图像混频数据进行实时预测,能够提高预测的时效性和精确性,本文的算例——癌症死亡率预测和医疗卫生支出预测可以为卫生信息系统管理、医疗保险定价、政府财政预算等提供建议,同时该模型有潜力在企业生产决策等领域获得进一步的应用。