本文采用SSA技术分析了1950年1月～2000年12月的SOI和Nino1+2、Nino3、Nino4区海温指数时间序列;结合最大熵谱技术，对序列中存在的振荡周期进行定位，并通过重建技术对振荡分量以及主要分量重新构造序列。在SSA分析的基础上，建立了4种ENSO指数的SSA-AR预报模型，研究了它们在不同预报时效和不同季节的预报效果。此外，针对多变量时间序列，建立了多通道奇异谱分析—相似预报模型并进行了SSA和EOF的对比试验。　　研究结果表明，SOI和Nino1+2、Nino3、Nino4区海温指数4种序列均明显存在准4年和准2年周期的主要振荡，SSA是一种特别适合于研究周期振荡行为的方法。用SSA分解ENSO指数相当于对原始序列进行低通滤波，使主要分量成为单一波形序列，与ENSO原始序列相比增大了可预报性。4种ENSO指数超前3个月以上的预报技巧均高于持续性预报，并且随着预报时效的增长，SSA-AR预报的优势愈来愈大。对21年长度的独立样本预报检验表明，SSA-AR方案对Nino4、Nino3区、Nino1+2和SOI的有效预报时效分别为10、8、8和6～7个月。对80年代以来发生的ENSO事件的回溯预报检验表明，所建立的预报模型性能稳定，对大部分事件具有较高的预报准确率。总体上看，模型对冷事件的预报能力优于对暖事件的预报能力。