本发明公开了一种基于时空自回归神经网络模型的插值方法。本发明利用神经网络架构，将时空距离和时空权重解算任务转化为可量化的神经网络模型构建与训练优化问题。以时空对象的投影坐标和时间为基本输入单元，再分别计算对象间的空间距离差和时间距离差，设计模型将其向量化表达，通过神经网络拟合时空距离和时空权重，输出未知时空点的属性值。本发明的优点在于将神经网络模型引入到时空权重的解算中，利用神经网络充分拟合时空相关关系，实现时空插值，操作简单易行，能够减小插值模型和参数选择的主观因素影响，对于时空权重解算和时空数据插值具有一定应用价值。