本发明提供了一种基于相空间重构嵌入和粒子群算法优化目标volterra级数模型预测时间序列的方法，包括：接收输入的原始滑坡时间序列{X(t)，t＝1, 2, 3，…，n}；判断原始滑坡时间序列是否具有混沌特征；若原始滑坡时间序列具有混沌特征，则确定出原始滑坡时间序列的延迟时间，确定出原始滑坡时间所要嵌入的相空间的嵌入维数；将延迟时间和嵌入维数代入到目标volterra级数模型；利用粒子群算法优化目标volterra级数模型的核函数，使得核函数的系数达到预设误差要求；输出目标volterra级数模型的参数、核函数的系数、以及预测出的目标滑坡时间序列。延迟时间和嵌入维数直接嵌入目标volterra级数模型的数学模型中，将传统的把滑坡时间序列相空间重构后得到的输出序列再输入到目标volterra级数模型中的两步直接变成一步，提高运算效率。

计算控制>重建方法>重建方法; 计算控制>预测方法>volterra级数模型时间序列预测