在现实问题中，复杂系统随处可见，通常，复杂系统都涉及许多变量，例如气候系统。在现实情形，由于这些系统的结构非常错综复杂，所能得到的信息也不够完整准确，往往很难建立精确的解析模型，对此类系统，往往通过对系统进行观察或者观测所得的时间序列进行分析。 为了充分利用对气候系统进行定时观测而积累的关于它过去和现在情况的大量数据，本文结合单变量状态空间重构和传统研究中多要素分析的思路，提出了短期气候预测的一种多维变量时间序列的新模型，建立了一种客观的综合多要素的状态空间预报法。 本文通过相空间重构技术，及G-P算法在MATLAB中的实现，求解出了气候时间序列的关联维数和Lyapunov指数，并以气候时间序列的预报为算例，系统的提出了两种非线性时间序列的预报方法：邻域线性相似预报和Lyapunov指数预报分析方法。通过单变量时间序列和多变量时间序列的预测误差比较，结果表明多变量重构相空间技术的预测效果相对于单变量重构有很大提高。文章的最后指出了这一方法在气候预测中的应用价值和前景。