雖然傳統線性時間數列在預測上已被廣泛的使用，但是在一般的時間數列中或多或少都會有結構改變(structural changes)的現象，我們往往很難找到一簡單的線性模式來詮釋資料中普遍存在的非線性(nonlinearity)結構，同時隨著模糊理論的興起與區間軟計算(soft computing)的發展，區間預測(interval forecasting)已成為未來研究的重點。本文應用模糊分類法(fuzzy classification)，找出結構改變的位置，藉此發展出非線性的區間門檻自迴歸模式(interval SETAR model)，再以「來臺觀光客人數」與「新臺幣兌美元匯率」作為實例，建構兩種區間門檻自迴歸模式與區間ARIMA模式並比較之，結果顯示兩種非線性的預測效果都比線性模式好。

近幾年來，非線性時間數列分析一直是時間數列及計量經濟學者所熱衷的研究主題之一，而非線性時間數列結構改變的研究也越來越受到重視。其中的門檻自迴歸模式，雖具有線性模式所不能配適的特性，但模式建構的問題，一直是其在發展應用上的瓶頸。本研究擬以門檻自迴歸模式建構的流程並結合遺傳演算法的最佳化搜尋技術，架構出時間數列遺傳演算法，藉此演算法則及程序，全域性地搜尋最佳的門檻自迴歸模式。 / Non-linear time series analysis is a research topic which the schalors of time series and econometrics are intent on, and the research of structure change of non-linear time series is attentive. Threshold autoregressive model (TAR model) of non-linear time series has some characters which linear model fail to fit while the problem of how to find an appropriate threshold value is still attracted many researchers attention. In this paper, we present about searching the parameters for a TAR model by genetic algorithms.