气象预测目前已经成为了人们生产和生活中不可或缺的一项信息服务。提供精细、准确的海洋气象预测,对于保障各类出海作业的安全,避免海难事故的发生具有重要的现实意义。当前以计算机技术为代表的现代化信息技术使得气象数据得到了爆炸性的积累,对海洋气象预测技术水平提出了更高的要求。基于以上研究背景,本文对海洋气象要素,包括风速、气温、气压、相对湿度、降雨量和能见度数据的回归及预测进行了研究,提出了基于时空数据模型的海洋气象预测模型,主要包括以下三方面的工作:(1)时间序列的自相关性判断及模型变量选择。时间序列数据具有自相关性是进行回归预测的前提,本文基于自回归函数和偏自回归函数判断了海洋气象时间序列数据具有自相关性。为了增加模型的预测精度,本文考虑了多气象要素之间的关联性以及气象系统的空间特性,在自回归模型的基础上,引入了外部变量以及空间变量,并通过不同变量间的相关性分析,对模型的外部变量以及空间变量进行选择。(2)数据异常值处理和缺失值填补。为了提高模型稳定性,本文基于箱型图法对海洋气象数据异常值进行处理;为了完善样本数据信息,本文基于Kalman滤波、K近邻和随机森林算法对样本数据缺失值进行填补,并比较插值效果,选择出最有效的缺失值填补算法。(3)时空数据模型的建立及预测。本文使用单位根检验判断数据平稳性并对非平稳性数据采用差分化进行处理,基于多元线性回归思想,从时间和空间两个角度分析,以时间变量、外部变量和空间变量作为模型输入,以未来时刻气象数据作为模型输出,建立时空数据模型,并采用最小二乘法预估模型未知参数,使用赤池信息量准则选择模型最佳延迟阶数,获得最优的模型结构。相比于目前海洋气象预测技术普遍采用的时间序列分析方法只单一的评估了预测变量自身的属性,本文另外考虑了各气象变量之间隐含的关联性及空间相关性,提出了基于时空数据模型的海洋气象预测模型。数值实验结果表明,本文提出的时空数据模型与自回归模型及其他传统回归模型相比,具有更高的预测精度,验证了时空数据模型的有效性。