在实际的聚丙烯聚合产品生产过程中，熔融指数(MI)是确定产品的牌号和控制品位的最重要参数，其特性及预报研究，一直以来，不仅是国际上工业届的迫切需求，而且也是学术界的研究前沿和热点。本文在此开展工作，在熟悉和掌握国内外研究现状的基础上，首次发现了熔融指数的混沌特性;并进一步，基于混沌理论，采用三种方式，对熔融指数进行了预报研究。　　论文主要工作及创新如下:　　(1)首次，发现了熔融指数的混沌特性。研究表明，熔融指数的嵌入延迟是2，嵌入维数是5，相关维数D2是1.57，最大李雅普诺夫(Lyapunov)指数是0.143，这些指标证明了熔融指数是混沌的。　　(2)应用希尔伯特-黄变换法对熔融指数(MI)时间序列进行了多尺度动态的分析。通过研究，熔融指数被分解成了2个混沌信号，1个确定性信号和1个随机信号。通过分解将熔融指数序列的复杂度降低，对于今后对熔融指数的研究提供了依据。　　(3)将混沌理论与径向基神经网络(RBF)结合，提出了新的模型RBF-chaos。用模型RBF-chaos对熔融指数进行预报，得到预报误差2.87％，比单纯的径向基神经网络和支持向量机(SVM)的预测结果精确。　　(4)将混沌理论与迭代多步预测结合，建立了直接一步预测，直接两步预测和迭代两步预测三个模型。通过该模型对熔融指数进行预报，直接一步预测误差为2.82％，比支持向量机(SVM)的预测结果好。　　工业实际生产数据的研究结果，表明了本文所建模型的合理性和实际应用效果，这将十分有助于聚丙烯工业生产过程的质量控制与优化。