为提高最大相关熵算法对混沌时间序列的预测速度和精度，提出了一种新的分数阶最大相关熵算法.在采用最大相关熵准则的基础上，利用分数阶微分设计了一种新的权重更新方法.在alpha噪声环境下，采用新的分数阶最大相关熵算法对Mackey-Glass和Lorenz两类具有代表性的混沌时间序列进行预测，并分析了分数阶的阶数对混沌时间序列预测性能的影响.仿真结果表明:与最小均方算法、最大相关熵算法以及分数阶最小均方算法三类自适应滤波算法相比，所提分数阶最大相关熵算法在混沌时间序列预测中能够有效地抑制非高斯脉冲噪声干扰的影响，具有较快收的敛速度和较低的稳态误差.