混沌时间序列有着极为丰富和深刻的内涵,而且应用非常广泛。本文研究了混沌时间序列分析理论和方法,将遗传神经网络应用于混沌时间序列预测中,并采用MATLAB实验验证了其有效性。本文首先介绍了混沌时间序列并简单对比了各种预测模型,说明了遗传神经网络应用于混沌时间序列的优势。随后阐述了人工神经网络技术的发展和神经网络用于非线性预测的现状。接着介绍了神经网络中常用到的BP网络的模型、结构以及算法的改进和遗传算法的基础、应用步骤、实现技术,并简要说明了神经网络工具箱和遗传算法工具箱。讨论了相空间重构中嵌入维数的选取以及Lyapunov指数的估计,并给出了简洁的算法和网络参数设定的一般方法。接着从神经网络和遗传算法的理论入手,考虑到在网络中最初的权值和网络的结构对预测精度的影响最大,采用遗传算法优化神经网络的初始权值,从而避免了神经网络初始权值确定的盲目性,使得预测在更加合理的情况下运行。将遗传神经网络理论引入混沌时间序列预测领域,给出了BP神经网络拟和重构后所得函数关系的具体实现过程,并应用训练后的网络进行预测,经计算机仿真表明该方法是行之有效的,并给出了具体应用实例。实例证明,用遗传神经网络进行短期预测可以提高预测的精度。