پیش بینی مقادیرآتی.
برای پیش بینی مقادیر آتی یک سری زمانی روش های متنوعی وجود دارد که از نقطه نظر تئوریک سیستمی، آنها را می توان به صورت زیر تقسیم بندی کرد:

روشهای آزاد از مدل، همانند آنچه که در تحلیل هموار سازی نمایی و رگرسیون مورد استفاده قرار می گیرند.
روشهای مبتنی بر مدل، که به طور خاص در مدل سازی داده های سری زمانی و به منطور درک رفتار بلندمدت موجود در سیستم پویا مورد استفاده قرار می گیرند.
 

2-3-1. روش های تحلیل سری های زمانی
در روش های سنتی، تحلیل سری های زمانی، به عنوان شاخه ای از آمار که عموما مرتبط با موضوع وابستگی های ساختاری موجود میان داده های مشاهده شده از پدیده های تصادفی و پارامترهای مربوطه می باشد تعریف می شود.

اساسا در این شیوه دو روش برای تحلیل سری های زمانی وجود دارد:

روش مبتنی بر زمان که عمدتا مبتنی بر استفاده از تابع کوواریانس سری های زمانی می باشد.
روش مبتنی بر فراوانی که بر تحلیل تابع چگالی طیفی و تحلیل فوریر می باشد.
 

2-3-2. ویژگی های سری های زمانی
ویژگی های عمده سری های زمانی عبارتند از : مانایی، خطی بودن، روند و تغییرات فصلی. اگرچه یک سری زمانی می تواند یکی یا بیش از یکی از این ویژگی ها را داشته

باشد اما به منظور بررسی، تحلیل و پیش بینی مقادیر سری زمانی، رفتار هر یک از این اجزاء به طور جداگانه بررسی می شوند. ( پالیت و همکاران[1]، 2005، ص17-18)

سری های زمانی را بسته به ویژگی داده های آنها می توان در دسته های زیر تقسیم بندی نمود:

مانا و نامانا
فصلی و غیرفصلی
خطی و غیرخطی
یک متغیره و چندمتغیره
آشوب گونه