时间序列是按一定的时间间隔和事件发生的先后顺序排列起来的数据构成的序列。通过时间序列分析事物过去的变化规律并推断事物的未来发展趋势，就是时间序列预测法。基于时间序列的预测方法总是假设通过过去的数值可估计它们未来的数值。

时间序列预测法基于这样的原理，一方面承认事物发展的延续性，因为任何事物的发展都与其过去有着密切的联系，所以，通过对过去时间序列的数据进行统计分析，就能够推测出事物发展的趋势；另一方面，又充分考虑到事物发展会因偶然因素的影响而产生随机性波动，利用历史数据进行统计分析，并用加权平均等方法加以适当的处理，进行趋势预测。总的来说，通常包括4种变化成分，即长期趋势、季节性变动、周期性波动和不规则变动。

（1） 长期趋势。这是时间序列变量在较长时间内的总势态，即在长时间内连续不断地增长或下降的变动势态。它反映预测对象在长时期内的变动总趋势，这种变动趋势可能表现为向上发展，如劳动生产率提高，也可能表现为向下发展，如物料消耗的降低，也可能表现为向上发展转为向下发展，如物价变化。长期趋势往往是市场变化情况在数量上的反映，因此它是进行分析和预测的重点。

（2） 季节变动是指一年以内的有一定周期规律的、每年重复出现的变动，如服装有季节性消费，各种农产品上市存在季节性等。值得注意的是，如果序列按年值表列，就不存在季节性变动。为了分析问题的方便，本章所举例子假定不存在季节性变动。

（3） 周期性波动是指围绕着长期趋势出现的、具有一定循环起伏形态的变动，如一个国家或地区的经济发展因为各种错综复杂的原因而出现的周期性波动。在这里，为了论述、研究问题的方便，在进行时间序列预测分析时假定：物流需求变动现象只是随时间的变化而变化，本身不受周期变动的影响。

（4） 不规则变动又称随机变动，其变化无规则可循。对于不规则变动，虽然没有科学的分析方法将它计算出来，但由于不规则变动是一种受随机因素的影响而出现的变动，所以从长期看，可以期望这些随机因素的影响会互相抵消，物流现象一般会呈现出由主要因素影响的长期趋势。但是也有一些不规则变动是预见不到的但影响较明显的变动，如战争、自然灾害、大罢工等，这些重大的事故应与一般的偶然因素区别对待。

时间序列预测法具有简单易行、便于掌握、能够充分利用原时间序列的各项数据及适于短期预测的特点。它是以一个指标本身的历史数据的变化趋势去寻找市场的演变规律，作为预测的依据，即把未来作为过去历史的延伸，主要包括以下几种：

①移动平均法；

②指数平滑法；

③灰色模型预测法；

④马尔柯夫时序预测法等。