人工神经网络模型的动力学分析包括稳定性、耗散性、混沌存在性、同步控制等方面.这些结果为神经网络模型的实际应用奠定了重要的理论基础.论文的第一部分工作针对暂态混沌神经网络这一类模型，分析了在其衰减因子为非常值时，此模型的混沌动力学行为.此结果是对在衰减因子为0的前提下已有结果的扩充.由于衰减因子的大小对于暂态混沌神经网络模型的动力学行为有着非常重要的影响，而在模型的实际应用中，衰减因子通常不取常值，因此，这一部分的结果为暂态混沌神经网络模型的实际应用提供了更为完善的理论基础.本文在对暂态混沌神经网络模型进行理论分析之后，给出了两个数值模拟的例子以验证结果的可信性.　　随着对忆阻器这种新型电路元件研究的逐步深入，本文尝试将忆阻器引入人工神经网络模型的电路中.论文的第二部分工作研究基于忆阻器的分数阶时滞神经网络模型的动力学性质.这类模型集中了忆阻器和分数阶时滞系统的特点，具有很好的应用前景.这部分工作分析了此模型解的存在唯一性、解的有界性以及系统的耗散性.这些结果是进一步深入分析此模型其他动力学性质的基础.在给出理论分析之后，举出两个数值模拟的例子以验证结果的可信性.　　神经网络模型在数据预测、模式识别、系统控制等方面有着广泛的应用.论文的第三部分工作主要研究基于人工神经网络模型的降雨型泥石流预测方法.此预测方法包括建立三维地质模型、泥石流物理模型的数值模拟、训练人工神经网络模型以及危险度预测这四步.这种方法针对给定的区域，能给出此地随降水时间和降水强度连续变化的泥石流发生的危险度.在这个方法中，通过数值模拟来获得充足的数据，以弥补实地观测数据的不足.此外，选择隐层互连前向神经网络模型进行数据预测.此模型的收敛性对于隐层神经元个数不敏感，减少了选择模型参数的工作量.最终获得一个动态预测模型并给出量化危险度的函数表达.这部分工作通过一个具体的泥石流激发实验详细说明了预测方法的步骤并验证了其结果的可信性.