较为准确的气温预报对农业生产,国防建设有着重要的意义。大气场中影响气温的因素很多,温度变化具有长期的不确定性,具有典型的混沌特征,其短期具有一定的可预测性。因此,预报短期的气温变化情况,是一个混沌现象预测问题。论文以混沌理论中李雅普诺夫指数和BP神经网络理论为支撑,以连云港地区气温数据为时间序列实验样本,研究了李雅普诺夫指数预测理论和BP神经网络预测方法在气温预测中的应用。论文的主要工作包括：(1)通过G-P算法得到了合理的嵌入维数和时间延迟,运用相空间理论对温度时间序列91个数据样本进行相空间重构,重建温度系统的状态空间,建立预测模型。然后利用wolf预测算法得到系统最大李雅普诺夫指数和相关预测值,实现了对短期气温的预测。预测实验中,采用虚拟仪器编程技术,运用Labview 8.6开发平台,设计实现了李雅普诺夫预测系统。经理论预测计算和对一天中最低最高气温预测实验结果观察,表明李雅普诺夫指数预测方法在气温预测中具有较好的效果。(2)论文在对神经网络理论在气温预测应用的研究中,运用其自适应自学习能力,通过拟合非线性函数,建立气温数据建模,对气温的时间序列进行了预测。通过网络训练学习得出最佳的网络构成参数,并采用MATLAB编程作出了具体的网络构建,仿真,预测。对实验得出的未来10天的气温预测结果和实际气温相对比,证明了BP网络有很高的预测精度。这也说明了本文所建立的基于BP神经网络的时间序列预测模型具有很好的预测能力和较佳的推广能力。(3)将李雅普诺夫指数预测和BP网络融合起来建立一个优化的BP网络,对未来10天的最低最高气温进行预测。最后,对论文中的三个预测实验的结果进行对比分析。研究与实验表明,混沌理论和BP神经网络能很好的应用于短期的气温时间序列预测中。