BP神经网络(Back Propagation Neural Networks)是人工神经网络中最为重要的网络之一,在智能控制、模式识别、计算机视觉、自适应滤波和信号处理、非线性系统辨识及非线性组合优化等领域应用广泛。BP神经网络具有很强的映射能力,可以解决许多实际问题,但同时还存在着收敛速度慢,易陷于局部极小的缺点。混沌是二十世纪科学史上的重大发现之一,它揭示了非线性科学的共同属性——有序性与无序性的统一、确定性和随机性的统一。这一发现正在冲击和改变着几乎所有的科学和技术领域。最大Lyapunov指数预测是混沌时间序列预测中一种常用方法。它是根据数据序列本身所计算出来的客观规律进行预测,具有良好的预测效果。本文将最大Lyapunov指数预测方法与神经网络权值优化相结合,论证了该算法的具体实现过程。仿真和实验结果充分表明了该算法的有效性和稳定性,克服了BP神经网络收敛速度慢和易陷入局部极小的问题,为混沌时间序列预测运用开辟了新的应用领域。