时空回归是地理学中识别地理关系时空非平稳性的重要方法，已在众多研究领域得到广泛应用。本研究实现了两种创新的时空智能回归模型——地理神经网络加权回归（GNNWR）与地理-时间神经网络加权回归（GTNNWR），利用神经网络估计时空非平稳性。凭借更高的精度与更强的泛化能力，上述模型已在各科研领域获得广泛使用。为方便 GNNWR 与 GTNNWR 在时空非平稳过程研究中的应用，研究团队开发了基于 Python 的 GNNWR 软件包。本文详细介绍了模型的实现过程，并对该软件包进行说明，使用户能够高效运用这些前沿技术。研究团队通过两个案例验证软件包的有效性：第一例利用中国空气质量数据验证 GNNWR；第二例以浙江省近海溶解硅酸盐浓度数据验证 GTNNWR。案例研究结果充分展示了 GNNWR 软件包的有效性，并取得了显著精度。该成果预期将为未来依托大数据与时空回归技术的研究提供有力支持。

地理加权回归,GNNWR,空间非平稳性