本发明公开了一种适应性混合多元时间序列数据预测方法，包括子序列聚类模型构建、子序列分类模型构建、预测模型构建和预测评价步骤。首先，将多元子序列和各维度一元子序列分别聚类；然后，以簇标签为样本标签分别训练一元子序列和多元子序列分类模型；其后，分别在每个簇内训练各自预测模型；最后，在预测阶段根据分类模型对待预测序列进行分类，并选择所在类别的预测模型进行预测，基于马氏距离评价预测结果并优化模型。本发明在预测过程同时考虑了多元时间序列的分量特征和维度间的相关性信息，因此具有较高的准确率，在大数据和数据挖掘、人工智能、数据库等领域可发挥重要作用。