预测与决策是管理科学中两大重要的组成部分。近年来,国内外的众多学者都在致力于这两类问题的研究,所研究出来的方法已经成功地应用到工程、经济、市场分析等实际领域。本文主要针对具有代表性的预测方法—时间序列分析和最常用的决策方法—多属性决策方法,应用Axiomatic Fuzzy Set (AFS)模糊理论对其进行分析和改进,主要做了如下几个方面的工作：(1)首先应用经典的ARIMA乘积季节模型对上海港的集装箱吞吐量进行预测。然后,提出了一个基于AFS理论的模糊时间序列预测方法,该方法主要是根据AFS隶属度的模糊变化趋势来预测模糊时间序列：①应用AFS模糊隶属函数计算出历史数据在每个模糊集上的隶属度；②根据隶属度来划分论域并应用AFS模糊逻辑将原始数据模糊化从而建立模糊关系；③根据隶属度的模糊变化趋势对历史数据进行预测。(2)首先提出了一个基于AFS理论的综合多属性决策方法：①应用DEA方法从初始的数据集中选择出一个最佳的组合；②应用AFS模糊描述算法和AHP方法计算出属性的权重值；③应用TOPSIS方法将最佳组合中的候选单元做出一个最终的排序；其次,应用AFS理论延伸TOPSIS方法在模糊环境下的使用,主要是应用AFS模糊隶属函数将含有语义变量或模糊概念的候选单元转化成其在该模糊概念下的隶属度值,然后应用TOPSIS方法对其隶属度进行运算。另外,这两种方法都根据AFS模糊描述给出决策结果一个明确的语义解释。(3)设计了一个基于DEA和AFS聚类算法的网上银行绩效评价方法。首先通过DEA方法从所有的网上银行中删减掉一部分效率较低的；接下来再应用AFS聚类算法将剩余的银行进行聚类,并且给出每一类的语义描述。最后,论文总结了全部的研究工作,并简要展望了今后的研究方向。