用途：对存在地理非平稳性的空间或时空数据进行回归建模，构建 GNNWR（地理神经网络加权回归）与 GTNNWR 模型，并生成可发表的系数图与诊断报告。
主要能力：通过 gnnwr 包的 models、datasets、utils 模块完成数据划分、训练与结果输出。init_dataset 支持 test_ratio、valid_ratio、x_column、y_column、spatial_column（必填地理坐标）、batch_size、process_fn（minmax_scale 或 standard_scale）、spatial_fun、Reference、sample_seed 等参数；时空模型需加 temp_column 并设 use_model="gtnnwr"。模型支持 use_gpu、optimizer（Adam、SGD、AdamW、Adagrad、RMSprop）、start_lr、drop_out、dense_layers、early_stop、batch_norm、use_ols。诊断含 R2、RMSE、AIC、AICc、F1_Global、F2_Global、F3_Local；N>10k 时 lite 模式仅保留 R²/RMSE。可视化提供 Folium 交互地图（display_dataset、coefs_heatmap、dot_map）及 Matplotlib、GeoPandas+Contextily 静态图。
使用方式：读取 CSV 后调用 datasets.init_dataset 划分数据，再实例化 models.GNNWR 或 GTNNWR 并 run(max_epoch, early_stop)，用 reg_result(only_return=True) 取系数与预测，result() 看汇总。
限制与注意：遗漏 spatial_column 会退化为全局回归；N>10k 未设 knn_k 会因距离矩阵内存溢出，建议 knn_k=500–2000；start_lr 过高会致损失爆炸，建议 0.01 起；应设 early_stop=20–50 防过拟合；系数为归一化尺度，预测经反归一化；GTNNWR 缺 temp_column 会静默回退为 GNNWR。