在現(xiàn)實(shí)生活中，非平穩(wěn)和非線性的時間序列隨處可見，我們并不清楚動力系統(tǒng)變量是如何相互作用的，也不清楚它們?nèi)绾沃湎到y(tǒng)的演化的，但這些變量的時頻性是不相同的。模型的好壞對于動力學(xué)系統(tǒng)影響巨大，兇為它有著重要的理論意義和很大的應(yīng)用情景。

　　現(xiàn)如今，世界各地的專家和學(xué)者對時間序列的預(yù)測和辨識從不同方面進(jìn)行研究。對于傳統(tǒng)基于統(tǒng)計學(xué)的方法，其方法與結(jié)論的性能取決于樣本的數(shù)量，然而實(shí)際情況中，樣本的數(shù)量往往是有限的，這就使得傳統(tǒng)基于統(tǒng)計學(xué)的方法無法取得很多的效果。由于強(qiáng)大的函數(shù)逼近能力與學(xué)習(xí)能力，人工神經(jīng)網(wǎng)絡(luò)較多地應(yīng)用到時間序列預(yù)測中，但是為輸入的同步瞬時性的特點(diǎn)，因此人工神經(jīng)網(wǎng)絡(luò)對于序列中真實(shí)存在的時間累積效應(yīng)難以表達(dá)。過程神經(jīng)網(wǎng)絡(luò)，由于其在傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)之上增加了一個時間聚合運(yùn)算算子，因此過程神經(jīng)網(wǎng)絡(luò)可以充分體現(xiàn)序列中的時間累積效應(yīng)。

　　如何提取原始序列中的低頻和高頻信息并建立模型和序列中的時間累積效應(yīng)如何表達(dá)是有趨向性均值的非平穩(wěn)時間序列預(yù)測的重要問題。二進(jìn)正交小波對這種時間序列有著較好的適應(yīng)性，對低頻的分離作用及有著較好應(yīng)用能力的過程神經(jīng)網(wǎng)絡(luò)，為了解決這類預(yù)測問題，文中提基于小波變換的過程神經(jīng)網(wǎng)絡(luò)和白回歸的組合預(yù)測模型。