气候系统的非平稳性已经得到了普遍的认识,产生这种非平稳性的本质是由于外强迫随时间的变化。因此有关外强迫特征的提取及分析方法也得到了越来越多的关注。慢特征分析法(Slow Feature Analysis,SFA)是一种从快变的信号中提取慢变特征的有效方法,它的提出丰富了人们对非平稳系统外强迫特征的重建手段。对于SFA方法在高维空间的推广以及重建信号的物理背景的研究,还值得我们进一步关注与探讨。本文首先以Henon映射为基础,构造二维非平稳系统模型,尝试SFA方法在二维复杂非平稳系统中重建外强迫特征的能力。而后,利用SFA方法对实际大气时间序列进行外强迫的提取分析,进而结合Morlet小波变换对外强迫信号的尺度特征与物理背景进行初步分析。最后,结合SFA方法建立包含双外强迫的时间序列预测模型,探究外强迫信号对预报能力的影响。通过一系列的试验分析,本文得到以下结果:(1)SFA方法能够较好的从单时变参数Henon映射中提取出外强迫信号;通过结合小波变换技术,可以还原双时变参数Henon映射中的外强迫信号。(2)利用SFA方法对北京市月平均气温的外强迫信号进行了重建,结合小波分析,发现外强迫信号包含6个尺度特征,并从中找出了太阳活动与海洋活动对气温的可能影响。(3)结合SFA方法建立包含双外强迫因子的时间序列预报模型,对漠河站月平均气温距平进行预测,将外强迫信号中的基频分量加入到预测模型的建立中,可以在一定程度上提高预测精度。将Nino3海温和SOLAR太阳辐射通量指数作为外强迫因子加入到漠河站月平均气温距平的预测中,结果表明,外强迫因子的加入可以有效地提升预测能力。