在线社交网络既记录了用户之间友谊关系的演化，也记录了用户参与各种社交活动的动态，是信息科学、统计物理和社会学领域一个新的交叉研究领域。目前大多数在线社交网络研究中仅分析单层的静态结构网络，这样既不能抓住在线用户的动态演化特征，也无法真实反映出用户的行为特性。为了更好研究在线社交网络上用户行为的演化，本文将在线社交网络看成是以每个用户为节点的双层耦合网络：一层是用户间显性关系的结构网络，记录的是用户之间友谊关系的建立过程；另一层是用户社交参与行为的功能网络，记录的是用户行为的动态过程。在双层耦合社交网络研究中，本文通过基于置乱方法的零模型构造和行为预测研究分析底层结构网络与上层功能网络之间相互作用、共同演化规律，共有三处特色和创新之处。首先，基于加权功能网络、无权功能网络和无权结构网络分析和预测了功能网络上的节点行为和连边行为。研究结果表明在线社交网络上用户的流失与用户的度和能量有关。此外发现度值居中的用户维持着较多的朋友关系，节点自身的度和能量大小与其连边能量的强弱有微弱的同配特性。其次，整理和总结了基于置乱的加权网络零模型构造算法，并将原始网络和零模型网络比较后发现：对于用户行为预测而言，基于静态无权结构网络的预测效果不如动态无权功能网络，动态无权功能网络的预测效果不如动态加权功能网络。我们的研究结果也部分解释了为什么用户之间的交互强度总是变化，而网络基本统计量的分布仍然保持稳定。最后，介绍了时变网络的基本概念，比较了静态加权网络和时变网络的共同点和不同之处，提出了使用行为时变信息进行连边预测的方法，最后总结并提出了两种时变网络零模型构造算法：接触序列络置乱和区间图置乱。本研究具有一定的实际应用前景和较强的理论研究价值，不仅有利于理解社交网络上用户行为的因果关系，增强用户对社交网站的粘附性；也能帮助在线社交网络运营商制定新的服务策略，提高在线社交网络上用户行为预测的准确性。