在统计学，信号处理，经济学，金融数学等领域，时间序列得到广泛的研究和应用。近年本领域的热点问题是：统计特征时间序列和非线性时间序列的分歧。事实上我们在确定模型之前应该先观察数据。数据依赖于系统，可以是具有一定概率性也可以是确定的。目前为止，绝大多数研究都是基于统计过程的，如今，越来越多研究人员关注非线性时间序列。选择的模型依赖于数据以及非线性时间序列分析的不变量，吸引子的不变量可以很好地描述和量化所依赖混沌系统行为。确定目标数据属性，如何对非线性时间序列建立模型成为一个关键问题，非线性时间序列建模的核心难点问题包括：⑴如何描述非线性；⑵如何达到更好的近似效果；⑶如何加入非线性固有特征；⑷平滑问题的解决；⑸受限计算能力下的最优算法；⑹模型本身的灵活性。　　 本文针对这些问题提出了一种新的模型。NURBS方法广泛应用于几何造型领域，然而NURBS本身并不存在时间元素，因此不能展示自身在逼近上的巨大优势。本文受基函数分段性质的启发，给NURBS引入一个时间元素，这种方法可以直接应用于重构系统的缺失数据，并且与原始数据匹配的很好。本文的工作不仅给出了一个混沌时间序列的NURBS表达式，同时也为更为广泛的非线性问题提供了一个解决思路。