在重病监护室（ICU）中，存在着一种凶险的症状—急性低血压（acute hypotension episodes, AHE），由于该症状的致命性和突发性，使其严重威胁着患者的生命安全。目前，对AHE的预测方法的研究已成为临床医学的重点和难点。寻找一种有效的预测手段，在AHE发生之前进行有效预报，为医务人员赢取宝贵的救护时间，降低患者的死亡风险将非常有意义。临床上，患者生命体征参数的历史记录成为AHE预测方法的主要研究数据。它是一种典型的时间序列数据，因此AHE预测研究一般围绕时间序列分析相关的方法进行。在查阅了大量文献之后，本文在患者的动脉血压时间序列数据上，分别将混沌理论和基于数据分布模式的特征抽取方法应用于AHE预测研究之中。混沌理论常用于复杂信号的处理，它能够揭示系统中丰富的非线性动力信息。本文采用C-C方法对动脉血压进行相空间重构，在相空间重构的基础上采用小数据量法计算动脉血压的李雅谱诺夫指数，实验证明李氏指数的变化与AHE的发生存在一定的关系。另外由于时间序列数据中包含的大量信息一般都蕴含于其概率分布模式之中，因此本文提出了基于分布模式的特征提取方法。建立平均动脉时间序列的分布模式，然后在其上分别从全局和局部变化两个方面提取特征，接着利用GA-SVM算法对以抽取的众多特征进行筛选，最后利用选择出的较优特征子集训练出预测模型。本文做了大量的实验分析，实验结果表明该方法是可行的且可以达到不错的效果。该方法不仅较好地满足了AHE预测的实时性要求，而且具有一定的通用性。最后本文所提出的两种方法对医学时间序列的预测研究都具有一定的指导意义。