时间序列预测在工程实际应用中具有重要的价值和意义。自适应控制能够根据对象的输入输出数据，不断地辨识模型结构和参数，自适应修正参数特性以适应对象和扰动的动态特性的变化。本文将自适应控制的前沿思想和方法应用于时间序列预测中，分别对线性、非线性和混沌时间序列进行研究，提高预测准确性。对线性时间序列，本文提出将自适应控制方法应用于线性时间序列预测。设计参数慢时变自适应预测模型、参数自适应变化预测模型和最小方差自校正的预测模型。参数慢时变自适应预测模型采用梯度法和Lyapunov法进行自适应预测；参数自适应变化的预测模型通过CARMA预测模型实时调整参数进行自适应预测；最小方差自校正的预测模型采用提前d步预测，设计控制律进行自适应预测。针对一类高阶非线性且控制系数未知的非一致目标预测问题，本文提出基于混合参数的迭代控制算法。采用改进后推方法，参数重组，分段构造Lyapunov函数，设计时不变参数自适应律、自适应控制律和时变参数向量自适应律，实现非一致目标预测。通过构造Lyapunov-like函数，证明预测误差方差的积分收敛于零，而且保证所有信号均有界。针对一类时变参数周期未知的自适应广义投影同步问题，本文提出基于切换逻辑的周期辨识算法。首先假定已知时变参数周期，设计控制器和时变参数自适应律。然后设计合理的切换逻辑，通过判定相邻两次迭代的平均误差定位时变参数周期范围，再通过累积预测误差定位时变参数周期，最终完成两个混沌系统的投影同步。通过构造Lyapunov-Krasovskii泛函，证明预测误差方差收敛于零，而且保证所有信号均有界。