本研究提出了一种混合预测方法，将ARIMA模型与多项式分类器结合，解决了传统时间序列预测方法与非线性模型结合不足的问题。实验结果表明，该混合模型在预测准确性上优于单独模型。

本文提出了一种混合预测方法，将知识模型与机器学习结合，成功预测混沌动力系统的演化。研究表明，在高噪声条件下，机器学习的建模和控制性能优于传统方法，且新方法提高了对混沌系统长期预测的能力，展示了机器学习在混沌动力学中的应用潜力。