本研究旨在比較一般克利金法、倒傳遞網路與分析調整綜合網路(Analysis-Adjustment-Synthesis Networks, AASN)等三種方法在空間內插的準確度。本研究以台灣地區的降雨分佈為研究案例。研究結果顯示：(1) 對獨立於訓練範例之外的測試範例所作的預測之誤差顯示，分析調整綜合網路最準確，倒傳遞網路次之，一般克利金法最差；且AASN遠優於後二者。(2) 克利金法能配適訓練範例的資料，產生具有幾個局部集中區的降雨量內插模型；倒傳遞網路無法配適訓練範例的資料，只能產生一組接近平行但不等 In this research, we compared Ordinary Kriging Method, back-propagation neural networks (BPN), and Analysis-Adjustment-Synthesis Networks (AASN) in spatial interpolation applications. This research took rainfall distribution in Taiwan as research case. Th
