针对新疆生产建设兵团第七师耕地土壤养分序列时空异质性和预测问题,2016年10月-2017年12月用随机采样的方式在1km×1km网格内随机采样表层土壤样点（0～20cm）,结合第一次全国土壤普查的结果,运用地统计方法、回归分析方法分析了该区土壤主要养分元素（有机质（SOM）、碱解氮（AN）、有效磷（AP）、速效钾（AK））和微量养分元素（有效铁（AFe）、有效锰（AMn）、有效铜（ACu）、有效锌（AZn））的空间分布特征、时空变异特征以及引起时空变异的主要驱动因素,并定量探讨了不同因素对土壤养分时空异质性的影响程度。提出正反向重构策略对空白年份序列进行采样,空间上,将研究区按照地统计特征中的异变点划分为n个子区域,每个子区域视作马尔可夫随机场进行处理。时间上,序列表现出马尔可夫链的性质,采用了一种以随机网络和马尔可夫-蒙特卡洛模拟为框架的正反向迭代重构算法对养分序列进行了采样,模拟了1987～2017年空白年份的养分序列,通过优化深度信念网络（DBN）的基本单元玻尔兹曼机（RBM）提升了DBN的预测性能,运用EDBN和主流预测模型对土壤养分序列进行了预测和统计评估。各类养分元素平均含量和变异系数结果表明,研究区微量元素含量普遍缺乏,AP处于低等变异水平,其余元素处于中等变异水平,块金效应表明了AK异质性受结构性因素和随机性因素共同影响,其余元素主要受结构性因素影响。多元回归分析显示,结构性因素是影响研究区土壤养分空间异质性的最主要因素。126团1连的模拟结果表明,采用以随机网络和马尔科夫-蒙特卡洛的正反向重构策略,在迭代多次后,能够有效重向出原始序列的序列特征,同时,提出的EDBN在基本单元为10,可见层神经元数量为640,隐层神经元数量为600时,EDBN、PSOSVM、GAANN、RBF和GRNN五种模型在不同垦区对不同养分元素同一时间段内预测的平均判定系数分别为0.82,0.76,0.76,0.75和0.74,EDBN在预测准确性和各区的稳定上表现出明显的优势,预测的统计对比结果展示了EDBN在研究区土壤养分预测上的优势。合理有效的预测结果对该区科学调节土地利用方式、平衡土壤理化性质、土壤科学改良和农业生态可持续发展有一定参考意义,同时对智慧农业的发展有积极推动作用。