作为典型的生物信号—眼电、脑电、肌电信号，蕴涵着丰富的生理、心理信息。生理信号的处理和实时预测，对于增进人们的健康、提高安全度和改善人们的生活质量、减少与睡眠/疲劳相关的事故具有积极的现实意义。眼电、脑电、心电、肌电都属于生物电，它们含有大量的警觉和睡眠深度信息，如何根据已有的生理数据来预测评估未来一段时间内生理状态的变化也是急需解决的问题。　　本课题采用支持向量机的方法对人的生理信号预测方法进行研究。　　本文的主要工作如下：运用非线性动力学理论，分析了基于相空间重构理论的时间序列预测的方法，构造出基于SVM的时间序列预测的一般框架；根据眼电信号及其眨眼特性，对给定测试者和相应眨眼参数数据做回归估计，给出撞击事件预测建模及仿真。进一步对预测结果做尺度评价并与项目合作者Cox的预测结果对比，结果表明所采用的方法具有较好的特征性。另外预测出的撞击停车振动带时间与真实记录的撞击时间比较，得出人的疲劳程度与测试者驾车撞击停车振动带的次数之间没有必然的因果关系。　　将基于支持向量机的时间序列方法应用于睡意评估的预测。采用SMO算法建立了时间序列的回归估计模型。对SENSTAION项目提供的睡意评估数据，按照不同的样本属性进行时间序列预测，结果表明，所采用的方法有较好的预测精度。