本文主要是对贝叶斯动态模型问题作了一点探讨。首先，本文简单介绍了几种随机模拟方法，并对重要性抽样作了改进，从而为选取好的重要函数提供了方法和理论依据。我的主要工作是把粒子滤波算法引人到非线性贝叶斯动态模型中来，对非线性模型进行了模拟。粒子滤波算法是一种适用于非线性非正态约束的基于模拟的统计滤波算法，可以近似得到任意函数的数学期望，利用一定数量的随机样本粒子来表示模型中随机变量的后验概率分布，并且能应用于任意非线性随机模型。在文章中讨论了粒子滤波算法及其改进算法在非线性动态模型预测中的应用。对一类非线性动态模型，利用帝尔尼和卡登近似对模型进行了模拟计算。本文共分五部分。第一部分绪论；第二部分对贝叶斯动态模型及其预测理论进行了回顾；第三部分讨论了粒子滤波在贝叶斯动态模型预测中的应用；这一部分讨论了卡尔曼滤波算法和网格点算法。同时讨论了解决非线性问题的推广的卡尔曼滤波、网格点逼近算法、粒子滤波算法逼近理想贝叶斯方法。第四部分讨论了改进的粒子滤波在非线性动态模型中的应用问题；提出了几种新的算法来实现预测。最后主要讨论了帝尔尼和卡登近似在一类非线性动态模型中的应用。