时间序列(time-series)是指按时间顺序排列的随时间变化的数值集合[1]，它普遍存在于实际生活中，如股票的每日价格、按季节排序的每季降雨量、公司产品的按月销售量等。这种数据可以被抽象为一个二元组合（t,x），其中：t为时间变量，x为数据变量，反应数据单元的具体涵义。因此，时间序列通常定义如下：时间序列R是一个有限集合L{（t１,x１），（t２,x２），…（ti,xi），…（tn,xn）}，其中满足，ti<ti+1(i=1,2…,n-1)。
时间序列的预测在许多实际的应用领域中有着重要的应用价值[2],目前对于平稳时间序列,特别是线性模型的研究取得了较好的预测结果。但由于实际生产、生活中的时间序列往往非常复杂,表现出非线性、非平稳的特征[3]。实际工程中的时间序列分析与处理要比理想的平稳序列复杂得多,且尚无统一规范的方法[4]。对于时间序列研究最多的是其趋势变化分析，即剔
除数据中的噪声、不规则波动等，判断数据的长期运动方向。因此，趋势分析的主要内容是对时序曲线进行平滑处理。目前，常见的分析方法主要有：徒手法、移动平均值法、加权移动平均值法和最小二乘法。一般而言，徒手法只对大规模数据挖掘可靠，根据用户的经验和直觉判断绘制曲线拟和原有数据，因此很少使用；移动平均值法与加权移动平均值法原理基