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。