在当今社会,数据预测在学术界得到广泛的发展,获取数据也变的更加容易,如何正确并有效的运用数据就成为了问题。时间序列是对未来数据进行预测使用最广的方法之一,它在很多领域都得到了很广泛的应用,例如经济领域、商业领域等。时间序列广受欢迎的原因之一是它对预测领域的背景知识要求很少,只需要研究时间序列本身的特点就可以对短期的数据进行预测。本文利用南京某商场客流量数据,使用已有的两种时间序列模型：模糊时间序列模型和季节性水平模型。一种新提出的模型：组合预测模型,组合预测模型是结合模糊时间序列与季节性水平模型的新的时间序列模型。本文详细描述和介绍了模糊时间序列模型、季节性水平模型和混合预测模型的预测过程,并对以上三种方法的预测结果进行对比和计算,发现混合预测模型的预测精度最高,模糊时间序列模型的预测结果最差,季节性水平模型的预测效果较好,但没有混合预测模型的精度高。季节性水平模型和混合预测模型都引入了周期性概念,因为本文提供的数据就是具有周期性的规律数据。在对数据进行预测时,要考虑到数据的特征,选取最适合的模型,这样有利于得到最好的预测结果。根据数据特征,又提出了一种混合预测模型,实验结果证明,此混合预测模型在预测精度上具有更好的效果。