社交媒体舆情是公众借助互联网公开发表言论的一种表现,它是公众对某种社会现象以及社会问题的意见的总和。基于社交媒体的民众意见涉及领域广泛,涵盖了社会生活的方方面面,其深度和广度不断延伸,对人们的日常生活和政府工作产生影响。如果能对信息传播进行有效预测和控制,那么可以有效减少不必要的损失,给人们的生活带来便利,达到实现预测舆情传播的目的,同时为相关课题的研究提供帮助。然而,目前对舆情的分析评估具有一定的滞后性且预测效果不太理想,这使得分析人员难以预测下一刻的信息传播情况。因此,在复杂网络环境下,如何对信息传播进行感知以及如何对信息爆发行为进行精准的预测和控制是当前急需解决的问题。为解决复杂网络环境下社交媒体舆情传播当前存在的问题,本文的主要工作分为信息传播预测以及信息传播控制两个方面。在信息传播预测方面,阐述了信息传播情境感知的基本思想,并通过数据分析和理论验证了信息传播情况与模块化之间的关系,将三次平滑指数方法应用于情境感知模型的构建,通过调整权重?取值以及与透视图表分析方法的比较验证该模型的准确性,得出模型的准确性与?取值有关,当0.3＜?＜0.5时,预测精度最高。此外针对信息爆发预测问题,提出信息爆发预测的定义,从结构、时间、信息、网民四个角度深入分析了影响信息爆发预测的相关因素,并通过在五种分类器下的对比实验分析,得出三个影响因素（即介数分布平均值,用户只负责转发没有发布信息的次数,网络传播的平均长度）对于信息爆发预测起重要的作用,三者都可以提高预测精度。在信息传播控制方面,将速度参数引入模型的构建,即构建正向传播与负向传播模型,通过理论与实验仿真双重验证了模型的准确性。实验结果表明:当影响系数都很低的情况下,信息传播后期都会受到正向传播的影响,并且在未来某一时刻速度保持不变。当影响系数产生巨大差异时,信息的传播速度都会稳定在未来的某一刻,但是影响系数低的信息不能完全自由传播,最终会消失,退出人们的视线。在影响系数都很高的情况下,低临界速度下,传播速度较大的信息可以正常传播,而传播速度较小的信息在传播一段时间后就进入消失阶段,传播的时间较短。