发生火灾的原因与许多时变因素密不可分,如气候、人口密度以及经济发展水平等,观测得到的火灾时间序列正是这些动态因素综合作用的结果。某次火灾的发生具有随机性,但一个地区、一段时间内火灾的发生具有一定的规律性。本文以我国1950年到2008年火灾发生起数、死亡人数、受伤人数以及人均经济损失为研究对象,通过分析火灾时间序列的非线性动力学特性,恢复并刻画出火灾时间序列的原始动力系统,提出适用于小样本的火灾时间序列预测方法,建立具有高精度的预测模型。针对随机波动性大的火灾时间序列其分布必然存在某种随机性,且随机性主要反映在残差序列中,本文提出了一种基于支持向量回归和马尔科夫状态转移理论的火灾时间序列预测方法(MSVR)。此方法利用支持向量回归建立火灾时间序列的预测模型,并采用马尔科夫状态转移理论来减小前一步的预测误差。由于实际火灾时间序列具有非线性、非平稳特点,不适合直接用来作为支持向量预测模型的输入,为了减小时间序列的非平稳性对模型的影响,本文采用集合经验模式分解(EEMD)将非平稳的火灾时间序列分解为一系列不同尺度的固有模态分量。针对支持向量回归模型中需要人为设定嵌入维数的问题,提出了基于EEMD和多变量相空间重构的火灾组合预测模型。该方法将通过EEMD分解得到的具有不同尺度的模式分量作为多变量时间序列,采用多变量相空间重构理论重构出能反映其相空间状态的多维特征向量,进而估计出建模所需的合理嵌入维数,有效解决了支持向量回归模型中存在维数设定的问题。对重构的训练数据,建立各分量的非线性支持向量回归预测模型,最后采用SVR集成预测方法对火灾时间序列进行预测。