国内外学者提出了多种通过复杂网络的视角提取时间序列中隐含的复杂系统信息的统计方法,并且这些方法被广泛应用到各个科学领域中。近几年多层网络的技术得到迅猛发展,基于多层网络的度量方法刻画多元时间序列中潜在的复杂系统之间的相互作用关系的研究在这一领域引起了极大关注。本文我们提出了一种基于符号表示的多层网络的构建方法,通过多层网络层间的统计度量,该方法不仅能够有效捕捉高维离散动力系统的相变过程,还能有效识别连续动力系统之间的耦合同步关系。基于现有的单变量时间序列到网路的转换方法,提出了一种将多元时间序列映射为多层网络的方法。针对构建的多层网络的结构特征,给出了提取网络层间重要信息的统计度量指标,由此实现了耦合混沌动力系统之间的相互作用关系的检测。具体而言,针对当前基于多层网络的离散耦合动力系统的相变研究这一热点话题,研究了离散耦合映射格子在相空间中的动态行为变化,建立了网络层间的统计指标与系统耦合强度之间的关系。结果表明了我们的多层网络模型在离散动力系统相变的识别过程的有效性。针对连续耦合动力系统之间的耦合关系的研究,实现了耦合系统的同步行为的检测。通过将网络模型应用于耦合R?ssler系统,分析了构建网络的结构特征,建立了网络层间统计度量指标与系统耦合强度的关系。结果表明了我们的多层网络模型能扑捉到两种不同机制的耦合R?ssler系统的同步行为变化。在此基础上,我们将方法推广到多个耦合混沌系统的研究中,并通过网络层间度量说明了网络模型检测多个R?ssler系统耦合同步行为的可行性。除此之外,将网络模型应用于吸引子结构更为复杂的耦合Lorenz系统的同步行为的研究分析。进一步的,针对连续耦合动力系统的因果关系的研究,实现了驱动响应系统的耦合方向的识别。将网络模型应用于驱动响应的R?ssler系统,通过网络层间的相对度量分析,表明了我们的方法在识别系统同步行为的同时能够有效检测系统之间的作用方向。