目前,区间型数据广泛存在于日常生活和工业生产中,对于区间型数据的分析和预测越来越受到重视,也越来越重要。本文引进云模型,云模型是一种不确定转换模型,其实现的是定量数值和定性概念之间的不确定转换,并在转换过程中关联随机性和模糊性,并将两者结合起来。云模型理论包括了云模型,云变换,不确定性推理等理论,其中云模型是云模型理论的基础。本文在云模型和区间云模型的基础之上,对区间云模型进行改善,减少表示定性概念的数字特征个数,定义新的区间云模型概念。在改善的区间云模型的基础上,进一步构造了区间云模型发生器,主要包括正向区间云发生器,逆向区间云发生器,X条件区间云发生器,Y条件云发生器。在完成了基础理论的研究之后,最后利用区间云模型和区间云发生器对时间序列数据进行实证分析。本文的时间序列数据是成都2011年至2014年1月每天气温数据,数据包括每天的最低气温和最高气温,且数据来源于网站“天气后报”,数据真实可靠。利用区间云模型和区间云发生器对时间序列进行实证分析主要的步骤包括数据的预处理,生成云模型,激活预测语言规则,最后实现预测。在时间序列的实证分析过程中,主要运用了一维云模型和区间云模型的云发生器算法,以及不确性推理理论的语言规则。从最后的预测结果和实际数据对比可以发现,利用新的区间云模型进行时间序列的分析有很好的效果。本文所用的云发生器算法,云模型的图形的实现,以及整个实证分析过程都是利用SAS统计软件完成。