在现实世界中,经常从复杂的非线性系统观测到大量的混沌时间序列,比如水文系统的径流量序列,金融系统的股票价格序列,电力系统的电力负荷序列等。因为混沌时间序列有着区别于一般时间序列的特殊性,并且在现实生活中广泛存在,因而决定了对它的研究和预测有着极为深刻的意义和丰富的内涵。本文在深入研究了混沌时间序列预测的相关理论和方法的基础上,将带有回归项小波网络模型应用于混沌时间序列预测中,同时提出了针对带有噪声的混沌时间序列的预测框架。论文主要完成如下几个方面的工作:1)在传统小波网络理论进行混沌时间序列预测的基础上,引入带有回归项的小波网络,使之能同时刻画序列的线性及非线性特征;提供改进网络的BP学习算法,进一步提出结合遗传算法和BP算法的学习方法,用于克服BP算法的局部搜索的缺点。2)针对带有噪声的混沌时间序列预测,提出结合小波去噪、相空间重构和带回归项小波网络建模的预测框架。在使用小波网络建立模型前,运用小波阈值法极大地降低噪声的影响,提高模型的泛化能力;使用相空间重构对混沌时间序列进行深层次信息挖掘,确定改进的小波网络的输入输出;使用改进的小波网络对相空间的非线性结构进行建模。3)应用MATLAB完成本文所有的仿真实例,主要包括Mackey-Glass序列的相空间重构、小波阈值去噪等,并且分别在无噪声和有噪声的情况下对Mackey-Glass序列进行预测,仿真结果良好。