所谓时间序列指的是通过观测所得到的离散时间观测点上的系列数据，通常可用yl,y2,...,y，或{y}}表示. 时间序列预测技术根据事物演化先后状态间的相关联系可以来预测该事物的未来发展.具体方法主要有移动平均法、指数平滑法和季节(周期)性模型等. 移动平均法是对一时间序列取其最近若干个数据，求取其加权平均值，作为对未来的预测值.为了避免其上升或下降趋势带来的偏离，可以用二阶移动平均.亦即利用一次移动平均法所得到的数据序列，再进行一次移动平均计算.类似还可推广至三阶、四阶，乃至高阶的移动平均.指数平滑法引入指数式的平滑系数进行移动，平滑系数反映其对历史数据重要性的修正，取值于「o,i]之间一次指数平滑法一般适用于水平型数据，类似地也有二阶指数平滑法等.此外，还有季节(周期)性模型，又称为Winter模型，适用于对具有周期性的数据序列进行预测，它考虑了季节性周期长度及水平.采用周期性、趋势性平滑常数，可以较好地对周期性时 间序列进行预测.2100433B