该文从变结构的基本概念出发,提出了全新的变结构建模分析的思想,打破了传统变结构分析的思维模型,使得变结构建模分析具有智能性.从理论上证明了所提方法的可行性和算法收敛性.成功的实证研究证实了所提的变结构建模分析方法的实用性.论文共分三大部分:第一部分在文献阅读的基础上,全面系统的总结了国内外关于长记忆时间序列分析和协整分析的研究成果,第二部分和第三部分是该论文的创新性的工作.第二部分是关于长记忆非线性协整 的理论工作,第三部分是关于系统运行模式变化的研究,重点讨论了长记忆非线性协整关系的变结构研究.提出了长记忆向量时间序列非线性协整的概念,打破了整数维或同阶分整向量时间序列协整分析的局限.运用分形理论的研究成果,解决了长记忆时间向量时间序列非线性协整关系的估计和检验问题.从不同的角度讨论了向量时间序列非线性协整关系的估计方法,利用神经网络技术,提出了两种不同的非线性协整分析的非参数方法,并从理论上证明了所提方法的可行性.根据人工智能的思想,提出了一种将变结构分析与系统建橡融为一体的变结构建模思想.在系统的结构模式未知的情况下,提出了一种新的用于非线性系统变结构分析的思想,并利用神经网络技术给出了具体的变结构分析方法,对系统的动态均衡结构的变化情况进行了具体的研究.探讨了具有智能行为的复杂系统的结构变化问题.为证明该论文所提方法的实用性,研究人员以上海股市五种分类股指的收盘价数据为例,系统的研究了上海股票市场分类股指之间协整关系的存在性.