脑电信号是大脑组织活动和大脑功能状态的综合反映，脑电图（EEG）是大脑行为的外在表征，是人们了解大脑活动的一扇窗口。研究表明大脑是一个复杂的非线性时空混沌系统，脑电信号显示出混沌动力学特性，即脑电信号是一种非线性和非平稳的混沌时间序列。随着混沌理论和应用技术的不断深入，将混沌理论方法应用到脑电信号分析及预测已成为混沌信号处理研究领域的前沿研究热点，在临床上有着越来越重要的应用。　　针对脑电信号是一种典型的时空混沌信号这一背景，本文提出了一种有效的时空混沌信号建模方法。首先，通过对比误差反向传播神经网络与径向基神经网络的性能，本文选择径向基神经网络模型，具有逼近精度高、稳定性好优点。其次，针对全局预测模型建模效率低、预测性能不佳、模型实时更新的计算复杂度高等缺点，提出一种基于最近邻搜索的局域径向基神经网络模型，提高预测效率与预测精度。再者，在局域径向基神经网络模型的选择上，本文采用基于网格搜索与交叉验证法相结合的方法进行神经网络模型参数的选择，避免了参数选择的盲目性、随意性，从而更好地拟合变化快速的时空混沌信号。之后，将新建立的模型应用于时空混沌信号及实际脑电信号预测中，并将模型构造成癫痫检测器。最后，根据癫痫发作时脑电信号非线性动力学特征改变，提出基于该模型预测效果的癫痫脑电信号特征提取方法，将预测误差的归一化方差对数值作为特征提取变量，从脑电信号中自动检测癫痫发作信号。　　总之，本文一方面在结合径向基神经网络、局域预测、网格搜索、交叉验证等关键理论的基础上，提出局域最优径向基神经网络模型，理论与实验结果表明，该模型能够很好地拟合复杂的时空混沌信号，具有良好的性能。另一方面，基于该模型预测效果的脑电信号特征提取方法能明显地区分正常脑电信号与癫痫脑电信号，且对分段数据长度与噪声的稳定性好，从而使该方法更适合于医学临床的应用。