随着高等教育大众化的深入和推进,高校教育规模不断扩大。高等教育改革和发展的重心工作从办学规模扩大转向人才培养质量提升。由于受到传统教育体制的影响,我国高校学生特别是低年级学生在学习过程中存在着依赖性较强的特点,在学习上更多的是被动接受,往往不能对自己的学习有一个动态和预期的了解。这样对于如何对学生学习状态的有效评价和未来的学习成绩进行预测,以便合理制定相关的培养政策至关重要。教学过程中,学生、教师、课程和传播媒体等要素之间存在着必然的内在联系,构成了一个学习系统,教学效果和成绩是教学系统的输出。教学系统中各信息传播和各要素之间的相互作用机理、发展过程及结果不可能作出详尽、具体的分析。学生的考试成绩已经带有充分的信息,采用一定的数据生成方法,减少数据随机性,增加数据的规律性,就可以建立每个学生的成绩预测模型,本文对利用多种不确定性系统研究方法对学生的学习状态进行了深入的研究。本文首先通过某高校学生的综合成绩进行分析,利用SK法,Q-Q图检验确定该高校学生成绩分布特点。然后通过建立模糊综合评价模型、基于层次化分析的模糊评价的改进模型、数据包络分析法(DEA)等四个评估模型,利用学生学习成绩对学生的学习状态进行评估。最后,运用了线性回归预测模型、模糊分析预测模型、GM(1,1)预测模型、ARIMA (0,1,1)预测模型四个模型对学生成绩进行预测,最终确定了相应模型的适用范围和效果。增强了高校学习状态评估和预测的科学性、合理性,并提出了学业预警的相关方法。对于高校教务管理的相关政策的制定提供了有效的科学基础,具有很好的应用前景和研究价值。