1、时间序列分析(Time-Series Analysis)是指将原来的销售分解为四部分来看——趋势、周期、时期和不稳定因素，然后综合这些因素，提出销售预测。强调的是通过对一个区域进行一定时间段内的连续遥感观测，提取图像有关特征，并分析其变化过程与发展规模。当然，首先需要根据检测对象的时相变化特点来确定遥感监测的周期，从而选择合适的遥感数据。
2、特点：简单易行，便于掌握，但准确性差，一般只适用于短期预测。
3、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。
4、基本思想：根据系统的有限长度的运行记录（观察数据），建立能够比较精确地反映序列中所包含的动态依存关系的数学模型，并借以对系统的未来进行预报。
某一城市从1984年到1994年中，每年参加体育锻炼的人口数，排列起来，共有11个数据构成一个时间序列。希望用某个数学模型，根据这11个历史数据，来预测1995年或以后若干年中每年的体育锻炼人数是多少，以便于该城市领导人制订一个有关体育健身的发展战略或整个工作计划。不同的时间序列有不同的特征，例如一个人在一年中每天消耗的粮食基本上是相同的，把这365个数字排列起来。发现它所构成的时间序列总保持在一定水平，上下相差不太大，我们称它是平稳时间序列。它的取值和具体是哪个时期无关，只和时期的长短有关。一般来说．只有属于平稳过程的时间序列．才是可以被预测的。
时间序列是指将某种现象某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而形成的序列；
时间序列法是一种定量预测方法，亦称简单外延方法，在统计学中作为一种常用的预测手段被广泛应用，时间序列分析在第二次世界大战前应用于经济预测，二次大战中和战后，在军事科学、空间科学、气象预报和工业自动化等部门的应用更加广泛；
时间序列分析是一种动态数据处理的统计方法，该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题；
时间序列构成要素是，现象所属的时间，反映现象发展水平的指标数值。
更多精彩资讯请关注微经验，我们将持续为您更新最新资讯!
上一篇： 关于国庆节的知识 下一篇： 欢度国庆节的祝福文案