韩明友

（辽宁省水文局，辽宁 沈阳110003）

1 概 述

时间序列预测法是在分析时间序列变量的基础上，运用一定的数学方法建立预测模型，时间趋势向外延伸，从而获得序列的发展变化趋势，确定变量的预测值。即通过时间序列的历史数据揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来做出预测，也叫历史延伸法或外推法，具有以下特点：

首先，序列的数据或数据点的位置依赖于时间，即数据的取值依赖于时间的变化，但不一定是时间的严格函数。其次，每一时刻上的取值或数据点的位置具有一定的随机性，不可能完全准确地用历史值预测。再次，前后时刻(不一定是相邻时刻)的数值或数据点的位置有一定的相关性，这种相关性就是系统的动态规律性。

2 平稳时间序列分析原理及步骤

平稳时间序列预测是建立在对历史数据分析之上，历史数据越多越准确，预测也越可靠。平稳时间序列的主要特点是过程的统计性质不随时间的平移而变化。本文所使用的预测方法是时间序列分析中的平稳时间序列预测方法。

设yt（t=1，2，……）是一个随机时间序列，即是对每一个固定的t，yt是一个随机变量。如果yt满足下述条件：均值和方差：Eyt=m，t取一切整数，m为常数：

协量差函数和相关函数：

则称此时间序列{yt}为平稳时间序列。

使用平稳时间序列进行预测有很多种方法，这里采用平稳时间序列的线性外推法进行建模预测，建模预测的步骤如下：