非线性科学近年来获得了蓬勃发展,几乎涉及自然科学和社会科学的各个领域。对复杂系统的演化发展进行预测已成为目前的一个研究热点,其应用十分广泛。传统的混沌时间序列预测模型通常分为两大类:基于非线性数学模型的动力学方法和基于实际观测数据的相空间重构方法。本文采用第二种方法进行研究。混沌时间序列动力学分析分为相空间重构和几何特征值刻画两个重要步骤。本文研究了混沌时间序列相空间重构参数的选取和混沌时间序列的预测方法。构造了BP神经网络预测模型,用遗传算法改进了BP神经网络预测模型(GA-BP),构造了最小二乘支持向量机的预测模型。通过对Lorenz系统混沌模型进行对比分析,基于遗传算法改进的BP神经网络预测模型基本达到预测要求。大量研究表明,我国股市波动表现出明显的混沌性质,进行短期预测是可行的。因此将GA-BP算法应用于上海证券市场中每日成交量时间序列的预测,结果验证了这种预测方法的有效性。