均方根误差在评估预测方法的预测能力时具有很强的偶然性。为了更客观地评估基于相空间重构预测方法的预测能力,本文使用非线性局部Lyapunov指数来替代均方根误差。根据误差平均相对增长的饱和性质,可以确定预测方法的最大预测期限,本文根据最大预测期限来评估各种方法的预测能力。研究表明,对于Lorenz系统而言,重构的Lorenz系统的相空间可预报性与原始Lorenz相空间的可预报性相当。这一定程度上说明了基于相空间重构预测方法的可行性。此外,对于重构的Lorenz相空间,k-近邻方法由于集合了预测能力参差不齐的成员,导致其预测能力逊色于零级近似预测;多变量预测方法的预测能力与单变量预测方法的预测能力几乎相当。由于原始相空间中存在周期为延迟时间间隔的周期轨道,不满足嵌入定理。为了使得实验数据满足嵌入定理的要求,本文对试验数据做了滤波处理。从ln(err(t))-t图上可以看出,小波滤波器的滤波效果比滑动平均更显著。本文提出一种基于相空间重构的神经网络风暴增水预测方法,即使用单站风暴增水数据重构出与之相关的相空间,然后使用BP神经网络模型拟合该相空间的空间结构。将该模型用于库克斯港风暴增水预测。本文还利用非线性Lyapunov指数计算出基于相空间重构的神经网络风暴增水预测方法在库克斯港站的最大预测期限是36小时,而单纯的BP神经网络模型只有21小时。此外,使用db10小波对原始余水位数据降噪之后可以显著地提高模型的预测精度。