时间序列预测是指利用获得的数据按时间顺序排成序列，分析其变化方向和程度，从而对未来若干时期可能达到的水平进行推测。时间序列预测的基本思想，就是将时间序列作为一个随机变量的一个样本，用概率统计的方法，从而尽可能减少偶然因素的影响。
其中，时间序列即是把客观过程一个变量或一组变量X（t）将行量度，在时刻：
t1<t2<…<tn上得到以时间t为自变量、离散化的有序集合。
X（t1），X（t2），…，X（tn）自变量t可以具有不同的物理意义，例如长度、温度或其他物理量等。时间序列的波动是许多因素共同作用的结果。各种因素作用的效果有长期趋势、季节变动、循环变动和随机变动4类。若以T、S、C、I分别表示长期趋势、季节变动、循环变动和随机变动的数值，那么对时间序列yt的分析最常用的模型有两类：yt=T×S×C×I yt=T+S+C+I
局限性：在预测方差最小原则的前提下，预测时间越长预测值的方差越大，因此时间序列数据只适合做短期预测。
