近年,复杂网络技术兴起,链路预测作为复杂网络研究热点也被广泛应用到诸多领域。链路预测分为考虑节点属性信息的局部方法和使用网络结构信息的全局方法:局部方法计算简便,但是存在数据难以获取的缺点;全局方法因考虑全面,精度较高,但是计算复杂性也较高。本文重点研究半局部方法,基于复合网的链路预测对于致病基因预测和霾波动幅度规律两个方面进行了研究。本文涉及的主要工作有:(1)针对传统链路预测方法计算节点相似性时忽略节点间相互作用不对称性,导致相同权值和路长但权重分布不同的节点间的相似性难以区分的问题。本文基于Itan的相似性指标,提出了相互作用非对称指标——IA(Interaction Asymmetry)指标,并在视网膜色素变异病(RP)数据集上进行了实验验证,取得了较好的预测效果,证明了该指标的有效性。(2)为研究霾的发生受哪些因素的影响以及其影响机理,基于山东省3年多的空气质量检测数据,对山东省内的霾波动规律展开了研究。本文建立了应用于霾问题研究的多子网复合复杂网络,提出了基于复合网的时序链路预测模型,为与气象以时间为关联做分析提供基础。