有限的机理知识和观测能力使几乎所有的预测方法在实际预测时都存在不确定性,即可能出现预测失败的情况。而当对预测失效敏感时,如失效会引起安全事故或重大经济损失时,不确定性问题就显得更为突出,此时经典预测方法中仅对训练、泛化数据进行误差分析等处理预测不确定性的措施是远远不够的。有效的解决方法之一是使用概率模型对预测准确性提前做出估计。然而,工业建模等领域中大量面对的是连续值数据,而现有的基于概率模型的预测方法却难以有效应用于连续值变量的预测。本文基于结构化类比思想,提出了针对时间序列的预测算法SAP-TS(Structured Analogy Prediction for Time Series)。SAP-TS通过类比建立条件概率分布,解决了以往概率模型在此时遭遇的精度问题、空间问题或缺值问题,并可以使用由统计置信度和类比相似度决定的综合置信指标综合评价预测结果的准确程度。SAP-TS在CATS基准数据上的实验验证了SAP-TS预测能力。同时,为将SAP-TS应用于PTA(精对苯二甲酸)共沸精馏塔的建模,本文进行了相关研究,最终成功使用SAP-TS建立了塔顶醋酸电导率的预测模型,并与目前实际使用中的GRNN神经网络的建模效果进行了对比分析。实验结果证明SAP-TS取得了更高的预测精度,同时其对预测结果评价的能力是有效的。