针对应用时间序列方法在处理数据不足、缺失和信息模糊性的问题，本文在Type-2模糊时间序列预测模型基础上，首先，将模糊聚类的算法引入Type-2模糊时间序列模型中，利用物以类聚的思想自动对相似的数据进行分类，给出了更接近实际的分类效果，解决区间划分不准确的问题，为后续进行模糊逻辑关系分组提供了准确的区间模糊集。其次，引入了代表Type-2模型中新添加的数据（简称为Type-2数据）和Type-1模型中所用的数据（简称为Type-1数据）之间关系的关系参数这一概念。在Type-1模型中的主要预测数据上，选取附加数据添加在Type-2模型中。结合两种数据间的亲近程度，选取适当的关系参数，改进解模糊化阶段的预测准确度。该法既很好的利用Type-2模糊时间序列预测模型的历史数据选择，在处理信息缺失和噪声方面更有优势，同时，也将两种数据结合使用降低了计算的复杂度，达到了更好的预测效果。为了便于应用，本文还开发了多种选择的仿真平台，通过本仿真平台的仿真实验，观察到本文提出的方法的预测结果在空气污染指数的应用中准确度比较高。