时间序列是根据动力系统观测得到的数据，作为研究系统内部规律的依据。目前时间序列分析已经在多个领域的应用中取得了极大的进展。本文尝试将奇异值分解方法应用于时间序列分析中，从而为时间序列分析的进一步研究在探索新的方向上奠定一定的基础。 本文主要针对科学研究中常常要对原始时间序列进行加趋势或滤波预处理的情况，对原始时间序列和加趋势或滤波处理后的时间序列应用奇异值分解方法，考察经过处理后时间序列的奇异值有何变化发现规律。考虑到理论与实际可能存在差别，文中分别对两组时间序列进行了研究，一组为计算机模拟生成的数据，一组为实验观察所得数据。首先对原始时间序列做适当的加趋势或滤波处理，结合互信息法和Cao方法求出时间延迟和嵌入维数，对时间序列进行相空间重构，从而对重构的时间序列应用奇异值分解方法。重点考察了时间序列在加趋势或滤波处理后奇异值的变化情况，包括数值、分布形态和前后关系。最后将奇异值分解方法与经验模式分解方法相结合，深入讨论时间序列的本征函数其奇异值分布特征。基于以上内容本文的结构如下： 第一章，引言。 第二章，滤波对分形时间序列奇异值分解的影响。 第三章，趋势对分形时间序列奇异值分解的影响。 第四章，经验模式分解和奇异值分解在时间序列中的综合应用。