在国内探究发明中，时间序列具备数多年的历史了，占绝大部分的研究都是关于线性时间系统方面的。近年来，在非线性时间系统上的研究受到了极大的重视，最早是由Packard等于1980年开始提出的。该理论认为：在长期演化的过程中，对于任何变量都可能被决定，其中大多数蕴含了系统各种变量长时间内变化的关系[4]。因此，混沌系统的研究都可以运用时间系统内长期变化的任何一个变量。预测模型的根基部分分别可以使用相空间重构理论和混沌特性判别方法，其中尤为重要的就是混沌模型的构建。到目前为止，在国内外很多种模型已经被提出并且得到使用。多个领域都对国内混沌时间序列预测有广泛的运用。这些运用都是通过具有混沌特点的时间序列在短期内的预测，从中取得了许多理论和实验成果，随着混沌理论受到的重视不断的提高，在时间序列的预测上会取得更大的进步。84510

这些所提出的模型在理论上有一定的合理性，但在实际中仍然存在许多不足的地方。它的模型不具备学习能力并且需要大量精确的数据才能得到准确的测量结果，这些已然成为它主要存在问题。国内外学术界一直都在努力寻求新的模型，其中自适应和自主学习的神经网络和混沌系统与之有很大的联系论文网。其中神经网络就具备无限逼近性和非线性的自主学习和自适应能力。非线性的具有适应性信息处理能力是人工神经网络所特有的，对于人的直觉上的问题运用传统人工智能的方法得到了解决，在很多实际的领域中得到成功应用。人工神经网络和传统的方法相结合，工智能和处理技术的发展将会得到了大大的提高。近几年来，为了使人工神经网络得到更加深入发展，它正向走向模拟人类认知的道路上，同系统的模糊问题、遗传算法、机制的进化等相结合，计算智能就是这样形成的，这也使之成为人工智能的一个重要方向，并且在现实的应用中得到很大的发展。