针对单入单出(SISO)与多入多出(MIMO)非线性时滞系统构建预测模型准确性问题,分别提出基于多维泰勒网(MTN)的预测模型构建方案.首先,分别依靠非递推技术与递推技术来设计非递推d步与递推d步超前MTN预测模型,给出二者表达式,二者皆可对未来d步范围进行预测,并有效弥补时滞带来的影响;然后,利用阻尼递推最小二乘(DRLS)算法,带有动量因子的BP算法,Levenberg Marquardt(L-M)算法和扩展卡尔曼滤波(EKF)算法分别作为MTN预测模型的学习算法进行实时在线学习;最后,引入两个仿真例子来验证所建立预测模型的准确性和实时性,并与神经网络预测模型作对比.实验结果表明,相比较神经网络预测模型,所提出的两种在线构建预测模型方案具有更好的准确性与实时性.同时,4种不同的学习算法对MTN预测模型的准确度影响不大.