方法简介
时间序列是按时间顺序的一组数字序列。时间序列分析（time series analysis）就是利用这组数列，基于随机过程理论和数理统计学方法加以处理，以预测未来事物的发展。时间序列分析是定量预测方法之一，它的基本原理：一是承认事物发展的延续性。应用过去数据，就能推测事物的发展趋势；二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响，为此要利用统计分析中加权平均法对历史数据进行处理。时间序列预测一般反映三种实际变化规律：趋势变化、周期性变化、随机性变化。
时间序列分析一般采用曲线拟合和参数估计（如非线性最小二乘法）来建立数学模型，一个时间序列通常由4种要素组成：趋势、季节变动、循环波动和不规则波动。
- 趋势：是时间序列在长时期内呈现出来的持续向上或持续向下的变动；
- 季节变动：是时间序列在一年内重复出现的周期性波动。它是诸如气候条件、生产条件、节假日或人们的风俗习惯等各种因素影响的结果；
- 循环波动：是时间序列呈现出的非固定长度的周期性变动。循环波动的周期可能会持续一段时间，但与趋势不同，它不是朝着单一方向的持续变动，而是涨落相同的交替波动；
- 不规则波动：是时间序列中除去趋势、季节变动和周期波动之后的随机波动。不规则波动通常总是夹杂在时间序列中，致使时间序列产生一种波浪形或震荡式的变动。只
