摘要：提出一种基于量子粒子群优化算法训练径向基函数神经网络进行混沌时间序列预测的新方法。在确定径向基函数网络的隐层节点数后，将相应网络的参数，包括隐层基函数中心、扩展常数，以及输出权值和偏移编码成学习算法中的粒子个体，在全局空间中搜索具有最优适应值的参数向量。实例仿真证实了该方法的有效性。