在过去的十年中,运用复杂网络理论从时间序列数据中提取有用的信息成为了非线性动力学和复杂系统研究前沿的一个热点。目前已经提出了几种不同的方法将时间序列转换为网络,例如,递归网络Recurrence Network、可视图Visibility Graphs和传递网络Transition Network等。这些方法已成功地应用于分析气候、太阳黑子和金融市场等领域的时间序列。目前的大多数方法都只是关注单个时间序列的信息,而实际系统中的时间序列往往是存在相互作用关系的多元时间序列。在本文中我们利用网络方法研究了两种多元时间序列,一个来自理论模型,另一个来自实际气候数据。在第一个工作中,针对理论模型中的多变量时间序列,我们出了两种Ordinal Pattern的构造方法,并且进一步构造了Pattern的转换网络,对网络定义了点熵和边熵来进行刻画。结果表明,该方法能够有效地刻画混沌相同步的相变点,并且能够给出系统参数空间的精细结构,为传统李指数方法补充有用的信息。本文的第二个工作研究气象时间序列。我们利用亚马逊地区的降水数据构建了区域气候网络,着重研究了2005年和2010年发生极端干旱事件的网络属性。根据极端干旱事件的网络统计量和正常干旱条件的网络统计量,确定了与预期干旱长度相关的重要区域,找出了这两次极端干旱事件之间的差异性,确定了影响网络稳定性的主要因素。本文提出的方法对于分析不同背景的多元时间序列具有重要的参考意义。