针对环境检测数据连续变化以及变量相互作用的问题，提出了一种基于因子模型和动态规划的多元时间序列分段方法，实现高维多元时间序列的分段，降低了环境检测数据的时间维度，提高了数据预处理的能力。针对无法获取城市中每个位置的环境质量信息的问题，提出了一种基于迁移学习的时空数据推断任意位置的实时环境监控预测方法，通过最少的监测点对环境质量进行采样，最大限度地提升推测其他位置环境质量的准确度。开发了一套基于环境数据的生态管控平台，能够方便用户快速的获取自己所要查看区域的各种生态环境监测信息，具有很好的人机交互界面。针对能源管控系统，提出一种面向风力发电的预测方法，根据风电时空多模态信息所提供的动态时空相关性对多元时空数据的特征进行有效的筛选与整合构建预训练模型，在对多元时空数据未来变化趋势进行精确预测的同时能够对其不确定性进行准确评估，具有较强的可解释性。