混沌，是一种广泛存在于自然界的现象，是非线性动力学系统产生的一种运动状态，伴随着混沌相关理论的不断完善，混沌时间序列预测已经成为混沌理论的研究热点，同时该理论也被广泛应用于社会科学和自然科学等领域，如经济预测、水文预测、股市预报、太阳黑子预测及电力预测等，具有非常重要的价值。本文主要研究混沌时间序列的预测。论文对混沌的相关理论进行探讨，对混沌时间序列预测及其几种预测模型进行研究，主要研究内容如下：首先，对混沌的相关理论进行探究，引出混沌判定以及混沌时间序列预测，分析几种混沌时间序列预测方案。其次，分析BP神经网络预测混沌时间序列模型，引入粒子群算法优化BP神经网络，分析粒子群现有缺点，利用适应度函数自适应调节粒子群参数，优化BP神经网络模型，设计出合理的混沌时间序列预测模型，选取典型的Logistic、Henon、Lorenz混沌系统进行实验，仿真结果表明设计方案的合理性，可行性。再次，分析RBF神经网络预测混沌时间序列模型，引入粒子群优化RBF神经网络，针对已分析的粒子群缺陷，研究基于混沌初始化及混沌扰动位置的粒子群算法，对RBF神经网络模型进行优化，并将该方案应用于典型混沌系统预测，实验证明，优化后的模型具有较高收敛速度和预测精度。最后，分析SVM预测混沌时间序列模型，引入粒子群优化SVM，针对已分析的粒子群缺点，研究基于混沌扰动惯性权重和学习因子的粒子群算法，并用该算法优化SVM，利用优化后的模型预测混沌时间序列，取得较好的结果。