本研究于2004-2006年首次对菊花、大丽菊、瓜叶菊、雏菊和茼蒿等5种菊科植物以及木犀科植物桂花的韧皮部、形成层和木质部的电信号进行了较为系统的监测研究。就所获取的大量植物电信号数据采用时域分析、频域分析、小波分析、ARIMA模型和人工神经网络等5种方法进行了综合分析与处理，初步建立了植物→电信号获取→计算机信息数据处理→植物电信号特征分析、预报系统。得出的具有重要意义的结果是：1．进一步确定了菊花等5种菊科植物以及木本植物桂花韧皮部、形成层和木质部电信号的幅值主要处于μV量级，均方值大致在10-5-1mV2之间，功率谱均分布在低于1Hz的频段，是一种微弱低频信号，这是今后进一步深入研究的重要基础。2．首次建立了形如y=f（m，t）c+g（m，t）的桂花形成层电信号和韧皮部、木质部电信号的关系模型。简单阐述了模型的生物学意义，为植物学中木本植物茎秆增粗增长生长新增了数学逻辑表征。3．选择db3小波基函数对上述各植物电信号作3尺度小波分解并重构各层系数。随着尺度的改变，植物电信号的各细节成分被分解突现出来。细节系数与植物电信号中的噪声相关。低频尺度（近似系数）反映了植物电信号的主要特征，高频尺度（细节系数）反映了植物电信号的突变点。通过对细节系数的分析，可以精确检测出植物电信号中动作电波出现的位置。此外，尝试采用小波软阈值消噪法对采集到的植物原始电信号进行了消噪处理并取得了不错的效果。4．第一次成功地获得了多种植物电信号在ARIMA模型分析中良好的拟合、预测效果。初步实现了径向基函数（RBF）神经网络对植物电信号的时间序列拟合与预测，结果表明RBF网络对学习样本的内符检验效果很好，拟合误差极小，并分析了改进网络外推检验（预测）效果的方法。