越来越多的研究表明,人类大脑是一个复杂的非线性时空混沌系统。大脑的高度复杂非线性特征显示出其混沌动力学的特征。作为人类大脑行为的外在表征的EEG信号,已经在临床诊断中发挥着越来越重要的作用。使用先进的方法研究EEG信号可以让我们在不同的脑功能状态下,提取更多的有用信号,并为理解脑电潜在固有机制带来帮助。针对脑电信号作为一种典型的时空混沌信号这一背景,本文提出了一种有效的时空混沌信号建模的方法。首先,考虑模型的训练速度,本文提出采用局域支持向量机模型,大大减少了模型的训练时间。其次,在基于局域模型的基础上,权衡模型预测精度与模型复杂度之间的矛盾,选择采用基于不等式约束的支持向量机,从而使模型既不过于复杂的情况下,提高模型的预测精度。再者,从支持向量机的核函数构造出发,理论分析使用小波函数作为核函数的可行性及其理论的优越性。之后,根据多分辨分析的思想,结合小波支持向量机的原理,提出真正意义上的多分辨支持向量回归模型,从而更好地拟合频率变化丰富的时空混沌信号。最后,我们将新建立的模型应用于仿真时空混沌信号及实际脑电信号预测中,并将模型构造成癫痫检测器。总的来说,本文在结合基于不等式约束的支持向量机、局域预测法、小波核函数等关键技术的基础上,进一步提出了真正意义上的多分辨支持向量回归模型,从而构造出全新的基于不等式约束及局域法的多分辨小波支持向量回归模型。理论与实验的结果表明,该模型能够很好地拟合复杂的时空混沌信号,具有良好的性能,从而使模型更适合于实际工程上的应用。