研究了利用前向神经网络对混沌光学系统进行混沌加速系统辨识的可能性。计算机数值仿真发现，利用三层前向神经网络混沌光学系统辨识器，在基于混沌动力学角度的修正BP算法(混沌加速BP算法)支持下可克服由常规BP算法导致的辨识时间长的缺点，在较少的训练次数内即可对布拉格声光双稳混沌系统进行良好的系统辨识。此研究结果表明，在混沌加速BP算法的支持下，三层前向神经网络可用来快速处理混沌光学时间序列以进行相应的动力学重构。

为解决混沌光学系统自适应控制所需之控制参考动力学模型问题,以布拉格声光混沌系统的系统辨识为例,研究了利用前向神经网络对混沌光学系统进行系统辩识的可行性。计算机仿真实验发现,在静态BP算法支持下一结构十分简单的三层BP前向神经网络(1:4:1)即可在一定的精度范围内完成对布拉格声光混沌系统的系统辨识。此结果表明,三层前向BP神经网络在静态BP算法的支持下确是一良好的混沌光学系统辨识器,因而可用来处理混沌光学时间序列以进行混沌光学系统的动力学重构。