本文针对网络流量的混沌特性，介绍网络流量的相空间重构方法和参数确认的方 法，并通过简单的试验验证理论的可用性。 同时将小波变换和非线性动力学方法相结合研究网络流量的混沌特性，并改进相空 间重构方法。将混沌吸引子投影于小波滤波器向量所张的空间中，并充分利用了小波变 换的去噪优点，将小波变换与相空间重构结合，构建出一个新的重构模型，并用试验证 明其优越性。将小波神经网络混沌时间序列预测方法引入到网络流量预测中，给网络数 据流的预测方法都提供了行之有效的新方法。

ArcGIS SDM （Spatial Data Modeller） 是用于ArcGIS空间分析的空间数据建模器。该空间数据建模器（SDM）是一个地理处理工具的集合，用于添加带有间隔、序数或比率比例尺地图的分类地图，以生成可能发生感兴趣事件的预测地图。这些工具包括数据驱动的证据权重方法、Logistic回归方法、两监督和一无监督神经网络方法，以及知识驱动的模糊逻辑分类工具。这些分类模糊化工具是对早期SDM模糊逻辑工具的补充，现在已在ArcGIS 10 及以上版本中完全实现。所有工具都有帮助文件。