针对复杂数据背景下时间序列预测难题，本书创新性地将复杂数据分为小样本和大样本两种情形开展研究：针对小样本复杂数据预测问题，以经典的非季节性数据、季节性数据和前沿的成分数据为出发点，建立了适用于不同数据类型的系列灰色预测模型，主要包括面向小样本信息迭代驱动数据的灰色预测模型、面向小样本信息振荡季节数据的灰色预测模型、面向小样本信息映射成分数据的灰色预测模型，并分别应用于空气污染预测、海洋酸化预测以及生物能源发电结构预测；针对大样本复杂数据预测问题，以传统的点值数据、新兴的区间型数据和热门的混频数据为出发点，建立了适用于不同数据类型的智能预测模型，主要包括面向传统点值数据的时间序列预测模型、面向区间型大数据的时间序列预测模型、面向混频大数据的时间序列预测模型，并分别应用于空气质量指数预测、碳市场价格预测以及风速预测。本书对于解决现实世界中管理决策所面临的预测问题具有重要的理论价值和现实意义，不但为不同数据背景下的时间序列预测问题提供了建模框架，而且指明了后续研究方向，有利于促进时间序列预测理论与方法研究领域的发展。
本书可作为管理科学、统计学、计算机科学等专业高年级本科生和研究生的学习用书，也可以作为相关领域的研究人员和相关部门的管理人员的参考用书。