随着科技与电子信息技术的高速发展,人类社会的信息化程度不断升级。小到人们的衣食住行,大到国家的军事科技等高端领域,无不被先进的电子科技产品覆盖,致使数据量急剧增加。在拥有海量数据的大数据时代背景下,依据具有不确定性的数据进行决策分析时,数据中往往存在大量的冗余信息,降低决策效率。另外,决策者在做决策时,若参考历史信息则会得到更准确的结果。而针对待决策数据中常发生的数据缺失情况,缺失数据准确预测对于决策至关重要。同时,现实决策中,参数间往往存在一定的交互关系,如何准确评估交互关系一直是一个研究热点。针对上述问题,本文基于模糊软集合和时序模糊软集合理论进行研究。首先,针对模糊软集合参数约简问题中,基于选择值决策方法的约简算法约简条件苛刻,致使不能有效删除冗余参数的问题,本文设计基于分值决策方法的有效约简策略。通过分析删除冗余参数前后对比矩阵的变化情况,提出基于分值决策方法的模糊软集合参数约简算法,并进一步分析冗余参数特征,分别阐述四种情况下的非必要集特性,提高约简效率。其次,针对已有时序模糊软集合决策方法中,利用时间权重将时序模糊软集合转化成传统软集合,消除了时间特性导致决策结果不准确的问题,本文提出在参数间相互独立条件下的一种决策方法——基于时间粒度的回溯决策法。另外,针对时间序列数据发生数据缺失的特殊情况,本文基于肯德尔等级相关系数分析时间序列数据间的相关性,提出不完备时间序列数据预测方法,实现对不完备时间序列数据的预测,进而便于决策。最后,针对时序模糊软集合中参数间存在交互关系,若不考虑交互关系直接进行决策致使决策结果不准确的问题,本文提出一种新的决策方法。该方法通过分析交互关系对各参数及参数间组合的影响,利用2可加模糊测度和模糊积分,实现数据具有交互关系情况下的合理决策。