时间序列是否具有混沌特性决定着预测方法的探究及其相关性质的讨论,影响着时间序列预测的准确性,混沌辨识为时间序列的预测提供了重要的理论前提,因此,混沌辨识研究在时间序列分析上具有极其重要的地位.本文主要采用有序模式、排序熵等研究方法及混沌理论对降雨量时间序列、径流量时间序列以及交通流时间序列进行研究.首先,对降雨量时间序列和径流量时间序列以及交通流时间序列进行数据预处理.其次,引入基于有序模式的三态检测方法研究水文数据和交通流数据.考虑实际情况,本文主要研究涉及含噪声的水文时间序列和基于Bierley跟驰模型模拟交通流时间序列,利用三态检测对上述时间序列进行混沌辨识并分析参数对混沌辨识的影响.主要结论如下:三态检测能有效辨识周期,准周期和混沌状态,本文使用三态检测方法对降雨量和径流量以及模拟的交通流时间序列进行混沌辨识,进一步确定降雨量和径流量以及交通流时间序列具有长期记忆性和混沌特征,不存在准周期情况.通过对水文时间序列和长度较大的交通流时间序列分析,当分组数Q固定时,应选取较大的步长p与较小的初始值n,即分组中初始子集长度越短,λ(n)值的波动越小并逐渐趋于平稳;当步长p固定时,应选取较大的分组数Q,分组中初始子集长度越短,λ(n)值的波动越小,大部分数据点集中于某个固定范围,并且该范围会随着p值的增大而增大.考虑分组个数对判断指标的影响,当分组个数Q较少时,周期性指数λ(n)存在一定的误差,影响结果的准确性;当分组数Q越多时候,周期性指数λ(n)越趋于稳定.在实际应用中,为确保混沌辨识的准确性应尽可能选取较大的分组个数.由此说明三态检测方法不受被辨识的时间序列长度所影响.通过对含噪声水文时间序列分析,三态检测算法相较于HUST算法时间序列混沌辨识更具有准确性。