本文主要讨论了离散小波变换(DWT)在季节性长记忆过程(SLM)上的去相关性以及基于小波去相关的季节性长记忆过程参数的近似极大似然估计．全文共由五章组成．　　 第一章先简要介绍了离散小波变换在时间序列分析上的应用背景，研究现状以及本文的主要研究内容．　　 第二章主要介绍了长记忆过程，季节性长记忆过程以及多重季节性长记忆过程的定义以及相应得谱密度函数(SDF)．　　 第三章主要讨论了季节性长记忆过程的离散小波变换和离散小波变换的去相关性，并给出了离散小波变换在尺度内去相关的理论证明．　　 第四章给出了一种基于小波去相关性的季节性长记忆过程参数的近似极大似然估计(AMLE)的方法，这种方法极大的减少了估计计算的复杂度．　　 最后一章以从622年到1284年这663年间尼罗河的最低水位时间序列为例，计算了其参数的估计值，并将由此估计值得到的时间序列的谱密度函数与直接通过时间序列计算的谱密度函数相比较，我们发现两者是相当吻合的．