سری زمانی دنباله ای از اعداد است که با نمونه برداری منظم از خروجی مشاهده شده ی یک سیستم بدست می آید. از میان انواع گوناگون سری های زمانی ، سری های زمانی آشوبی اغلب در پدیده های طبیعی یافت می شوند. حساسیت بیش از حد سیستم های آشوبی به شرایط اولیه سبب بروز مشکل افق پیش بینی در پیش بینی بلند مدت و دقت پیش بینی در پیش بینی کوتاه مدت برای روش های مذکور شده است. بنابراین محور فعالیت های انجام شده در این پایان نامه بر اصلاح دقت در پیش بینی کوتاه مدت و افزایش افق پیش بینی در عین دقت مناسب، در پیش بینی بلند مدت قرار گرفته است. تلاش های انجام شده در این راستا منجر به ارائه ی دو روش در پیش بینی کوتاه مدت و چهار روش در پیش بینی بلند مدت شده است. بمنظور حصول اطمینان و بررسی بیشتر از روش های مطرح شده برای پیش بینی سری های زمانی فوق آشوبی قلب و hrv نیز استفاده شد. سرانجام به منظور نشان دادن یکی دیگر از کاربردهای عملی روش های پیشنهادی در زمینه های پزشکی از آن برای طبقه بندی 5 دسته از آریتمی های قلبی استفاده شد که نتایج حاصله بیانگر توانمندی روش پیشنهادی در تفکیک ضربانات قلبی بر اساس ویژگی های نوظهور فازی است.