一种时空插值神经网络模型及基于其的时空数据建模方法

本发明公开了一种时空插值神经网络模型及基于其的时空数据建模方法，涉及空间插值技术领域，通过引入空间坐标的嵌入层与时空基函数，能够精准地对空间依赖性进行建模，进而在DNN与Kriging空间预测之间搭建起直接联系。借助深度神经网络结构，模型可在大规模且动态变化的空间数据中自动提取特征，有效识别空间点之间的非线性关系，从而实现更精准的空间插值。本发明不仅适用于具有协变量的非线性预测，还能处理非高斯或非平稳数据，极大地提高了模型的适用性和鲁棒性。此外，在解决局部网格接边问题上，深度学习模型也表现出色，能够平滑接边区域，提升网格化处理的精度与可靠性。