基于模糊集理论在处理不确定性问题中的优势,模糊时间序列预测方法在实践中得到了广泛应用并取得了较好的预测效果。受多重因素干扰,时间序列的波动呈现复杂的非线性特征,现有的模糊时间序列模型在模糊逻辑的构建上较为单一,并不能充分反映干扰因素对波动特征的影响。概率语言术语集可以利用多个语言术语表示所有可能的偏好特征,同时允许决策者分别给出每种偏好的权重信息,因此可以利用概率语言术语集刻画时间序列的波动方向、波动范围及波动的可能性,同时带有犹豫信息和偏好信息的概率语言术语集可以有效刻画内外干扰对时间序列的影响。另外在构建模型时距离公式的应用优化了预测规则的表达,为复杂的非线性时间序列预测问题提供了新角度。本文的主要研究工作如下:（1）针对时间序列的随机性波动特征,本文构建了基于概率语言术语集的模糊时间序列预测模型。首先通过模糊化为训练集中所有时点建立高阶模糊波动逻辑关系;然后根据概率语言术语集的不同状态,将模糊波动逻辑关系转化为概率语言逻辑关系;最后利用概率语言术语集的距离公式为测试集寻找最优概率语言逻辑关系进行预测。（2）针对影响时间序列波动的外部环境因素,本文构建了基于概率语言犹豫模糊集的模糊时间序列预测模型。首先通过模糊化训练集中的所有时点建立双因素高阶模糊波动逻辑关系;然后利用概率语言犹豫模糊集表示训练集中所有可能的波动特征;最后利用概率语言犹豫模糊集的距离公式为测试集寻找最优的未来波动趋势进行预测。（3）针对影响时间序列波动的内部非理性因素,本文构建了基于概率语言偏好关系的模糊时间序列预测模型。首先通过模糊化为训练集中所有时点建立双因素模糊波动逻辑关系;然后根据概率语言偏好关系的不同状态,建立概率语言偏好逻辑关系表示训练集中所有可能的历史波动状态和未来波动趋势;最后利用概率语言偏好关系的距离公式为测试集寻找最优概率语言偏好逻辑关系进行预测。本文通过将数据集划分为训练集和测试集,利用台湾加权股价指数进行实证检验,同时利用模型对香港恒生指数和上证综合指数进行预测,最后对本文建立的不同预测模型进行对比分析。