混沌时间序列在生产生活中广泛存在，这类序列外在特征和纯粹的随机运动很相似，表现出类似于随机噪声一样的混乱无序，长期不可预测，但内在的非线性动力学结构又使得系统满足短期可预测性。传统的预测方法无法取得令人满意的结果，因此将混沌理论用于解决这类序列的预测问题成为该领域的研究热点。本文围绕混沌时间序列预测，研究了预测流程中的每个环节，主要内容包括：1）混沌理论的基本定义和概念；2）混沌时序的相空间重构；3）时间序列混沌性质的判别；4）混沌时间序列的预测。主要研究成果有：（1）分析了相空间重构中延迟时间和嵌入维数两个关键参数的求解方法，并针对原有方法的不足提出了改进的G-P算法和改进的C-C算法，实现重构参数的快速、准确求解。（2）介绍了混沌时间序列预测的三类方法：全域法、局域法、自适应法。确定了具有计算复杂度低、速度快、精度高、适应性好等优点的局域法作为本文的预测方法。（3）针对目前邻近相点的选取中容易混杂伪邻近点的问题，提出了基于演化跟踪的邻点选取方法，能够有效辨别和剔除伪邻点。（4）提出基于HQ准则的邻近相点个数确定法，克服了传统的依靠主观经验或多次试验确定邻点数量的缺点。（5）最后用Sigmoid核支持向量机对混沌时间序列进行局域预测，并编制成软件。以Lorenz混沌时序和短期电力负荷预测问题为应用实例，进行了详细的分析研究，结果表明该算法比传统算法更准确，具有更好的综合性能和应用前景。