关于预测的研究,已经有众多学者做了大量的相关工作。但是在实际应用中,预测模型的构建通常是具有针对性的,预测结果的精度也存在很大提升空间。并且,对于在平面上进行图形的预测还不成熟。本文专注于预测分析与建模的研究。在前人对预测模型的研究基础上,从移动通信话务和湖泊轮廓演变两个应用方面着手,具体研究工作如下:首先构建支持向量机模型。由于其训练参数决定着最终结果的精确度,选择了具有全局优化能力的蚁群算法来对支持向量机进行改进优化。经过实验仿真,优化之后的支持向量机模型,在话务量预测的精度及时效性上相对于传统支持向量机模型具有明显优势。为了更准确的对忙时话务量进行预测,在考虑多因素条件下提出一种基于经验模态分解的高斯过程和灰色预测的组合预测模型。首先提取出对话务量最有影响力的关键因素。然后用经验模态分解法把话务量数据在时域上分解成具有不同频率特征的多个分量。把这些分量结合高斯过程和灰色模型分别进行预测,然后把各预测结果叠加,得到话务量预测值。通过仿真实验,验证了该算法在预测话务量方面具有预测精度高,实现较容易等优越性。为了更深入广泛的研究预测模型的应用,提出了基于图像变化的预测模型。以我国章江头木错湖为例,研究了湖泊边缘的演变。从采集的该湖泊遥感图像上得到其边缘图,作为研究区域。在研究区域中间选择一个原点,并以此作射线,得到预测所需的原始数据。建立灰色预测模型,对所得数据进行预测分析,得到湖泊轮廓变化的预测图,并对预测结果进行验证,最终结果表明该研究方法对湖泊轮廓变化趋势的预测是可行的并且有较高的预测精度。