航道的回於预测用什么方法算

1. 如何用回归公式，计算出预测价，然后用于预测天气状况

晕

2. 用什么统计方法可以预测GDP

国内生产总值GDP预测数学模型是： 1.回归预测模型； 2.ARIMA模型。回归预测模型简介：回归模型（regression model）对统计关系进行定量描述的一种数学模型。回归分析(regression analysis)是研究一个变量（被解释变量）关于另一个（些）变量（解释变量）的具体依赖关系的计算方法和理论。 从一组样本数据出发，确定变量之间的数学关系式对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著。利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度。其用意：在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。 ARIMA模型： 全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列预测方法 ，所以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归， p为自回归项； MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。ARIMA模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。

3. 算卦用什么方法

道术——预测术的易学理论现代阐释

道教以“道”为教。“道”的意义在于宇宙的肇起及其规律，包括天地人的时空变化规律。道教的预测判断和体悟“道”的外在反映，首先以天、地、人发展与变化的规律来统摄和参照，寻求出相似的规律和真理经验（即易经中的不易）归纳成系统，然后按照传统的占卜模式参考对照（简易或易体），依照这些规律和真理认识时和事（变易），得出自己的预测判断结论。

道教认为宇宙间、任何事物存在有“场”。无论是“道”生宇宙时的虚无之“寥冥”“恍惚”，还是“负阴抱阳”的“冲气以为和”的“场”。这种“场”实质上就是一个时空组合下的物象图。（当代物理学渐渐证明宇宙生成场的存在。）我们不妨这样设想：物象、物质在变化的前后我们都可以看到它的形态，马克思的唯物主义观点认为：世界是物质的，物质是有规律的，物质运动变化都是有潜在的规律，无论它怎么变化都可以用现代科学计算推导变化的规律，即使有些不能推导的终极问题和第一推动的问题也只有借助宗教或信仰来做暂时的解释（历史有惊人的相似之处；或者说历史是螺旋式发展的）。

任何事物、包括物质永远是按照自身固有的规律运动发展变化的，这也就是道教所思考的“道”，通俗地有人把它理解为道路，即物质发展变化的“道路”，实际上也是事物背后的总规律。世象万物，均有其道，道含万物，万物有道。自然之道而又于道法自然。这“道—“总规律”是条看不见的一条曲线，（也可以理解看不见的气。）发展到每一阶段，在这条曲线上对应的某点就是人们可觉察一个表象，透过这个表象，我们可以窥探全部。因而，世上万象均可看作是事物规律的某个点，而道术对世事的展现和预测，也正是由这一个个点入手。

缩小到人的命运上来，作为社会的人是物质的，人与人之间的态度和方法，各种时间和空间发生的内在、外在的微小事件决定事情的发展结果，当中定有其固有的发展规律，有其规律曲线。人生的生、老、病、死，浮沉起跌，都是一个发展变化的过程，这一过程是由各种表面看来毫不相干，但事实上却是均有联系的因素潜在支配，这些因素相互作用，形成人生曲线。人生曲线中的某个点，即某一时空下所反映的涵义，我们用物质存在场和物质变化的规律来分析其具体内涵，这就是对人生命运机遇的揭示，也就是民间所理解的人的吉凶祸福。现代科学把DNA遗传基因密码译解，也可以分析出性格和命运。（而我们古老的《紫微斗数》《铁版神数》，就是用数字密码来解释命理，也很有材料。

4. 计算选项的生产预测有哪两种方法

为: 市场预测主要是预测产品的需求与供给。由于市场供给的预测比较简单，一般通过对生产该产品工厂多的现有生产能力和拟建的生产能力进行统计即可计算出产品的供给。因此，一般来讲，市场预测主要指产品需求预测

5. 一种用于预测残余气的数值计算新方法

刘 萍 孙粉锦 李贵中 陈振宏 邓 泽 庚 勐 曾良君 杨 泳

( 中石油勘探开发研究院廊坊分院 河北廊坊 065007)

摘 要: 煤层含气量现场测试中发现以下问题: ① 慢速解吸法测量低煤阶煤层含气量时，残余气量小可能导致常规方法无法获得结果或误差偏大; ② 快速解吸法测试煤层气含气量时，粉碎煤样测试残余气的方式可能造成少量煤层气的散失而使残余气结果偏低，为此，需建立一种残余气预测的数值计算方法，加强实测与数值计算结果对比，提高含气量测试准确性和可靠度。以描述吸附过程 Langmuir 公式为参考，将解吸量对应吸附量，解吸时间对应吸附压力，结合实验分析数据，提出了一种用于预测残余气的数值计算新方法。通过与实测数据进行对比分析，认为该方法准确度较高、稳定性好，能够较准确获得低含气量情况下的残余气结果，并有效提高现场含气量测试工作效率。

关键词: 煤层含气量 残余气 计算方法 Langmuir 曲线拟合法

基金项目: 国家科技重大专项 “大型油气田及煤层气开发”项目 33 《煤层气富集规律研究及有利区块预测评价》( 编号: 2008ZX05033) 下属课题 《中国煤层气有利区块评价与优选》( 编号: 2008ZX05033 －005) 。

作者简介: 刘萍同，1957 年生，女，高级工程师，主要从事煤层气实验研究工作 . E-mail: liuping69@ petrochi-na. com. cn. Tel: ( 010) 69213353.

A New Method of Numerical Calculation to Predict Resial Gas

LIU Ping SUN Fenjin LI Guizhong CHEN Zhenhong DENG Ze GENG Meng ZENG Liangjun and YANG Yong

( Langfang Branch of Petro China Research Institute of Petroleum Exploration and Development，Langfang Hebei 065007，China)

Abstract: The following issues are found in the site test of coalbed gas content: ( 1) When slow desorption method is employed to measure the coalbed gas content，small amount of resial gas may lead to no result with the application of the routine method or high deviation; ( 2) When quick desorption method is employed to deter- mine the coalbed gas content，testing the resial gas by crushing coal sample may cause dissipation of a small a- mount of coal-bed gas and lead to lower resial gas results. Due to this，a method of numerical calculation to pre- dict resial gas shall be established to enhance the comparison of the actual measured result and the numerical calculation result and improve the accuracy and the reliability of the gas content test. By taking the Langmuir for- mula that describes the desorption process as reference，a new method of numerical calculation to predict resial gas is proposed by comparing the desorption quantity with the adsorption quantity，desorption time with the adsorp- tion pressure，as well as combining the experimental analysis data. Through comparative analysis with the meas- ured data，it is concluded that this method has high accuracy and good stability，and can obtain the result of the resial gas under low gas content more accurately，thus to enhance the work efficiency of site gas content test.

Keywords: coalbed gas content; resial gas; calculation method; Langmuir curve fitting method

引言

煤层气含量是表征煤层气储层特征的关键参数之一，准确获取煤层气含量对于煤层气资源勘探开发和煤矿瓦斯灾害防治具有重要意义。在测试过程中，煤层含气量分为损失气量、解吸气量和残余气量3部分，损失气量通过数值方法回归计算，解吸气量和残余气量则是实际解吸测试得到(钱凯等，1996，五戏岩等，2005)。一般情况下，残余气可通过选取解吸剩余样品并破碎获得，但特殊情况下，直接测试不能满足残余气测试的要求。针对以上问题，本文将详细探讨导致该特殊情况的原因，并首次提出一种基于Langmuir公式的残余气预测算新方法。

1 残余气测试中存在的特殊问题

国内学者对煤层含气量的测试和计算方法进行了大量的研究，周胜国，徐成法等(1995，2002，2005)通过解吸模拟实验，发现煤样全过程解吸特征曲线为不对称的S型，认为解吸初期气体解吸是与解吸时间的平方根呈线形关系需修正;张群等(2009)通过模拟实验发现实测的模拟损失气量比美国矿业局直接法估算的损失气量高很多;邓泽等(2008)通过分析测试中解吸温度和损失时间对损失气量的影响，提出曲线拟合法计算损失气量;高绪晨等(1999)，傅雪海等(1999)，董红等(2001)，杨东根等(2010)，根据含气煤层的测井物理响应，基于含气煤岩物理特征和密度、伽马、声波时差等测井的统计关系，提出了间接计算含气量的方法;张群等(1999)，对残余气做了大量分析研究，认为残余气在煤层气中占的比例变化很大，为15%～30%，受煤级、灰分和煤样粒度等因素影响，煤级和灰分越高，残余气含量亦越高;刘洪林等(2000)，指出煤阶、灰分、温度、显微煤岩类型、割理发育程度及煤样粒度等参数是影响吸附时间长短的重要因素，并决定了残余气的比例。前人的研究主要集中在损失气的模拟和计算、总含气量的直接或间接预测以及残余气比重的影响因素分析，未对有关残余气的计算方法进行详细论述。

目前常用的含气量测试方法有慢速解吸法和快速解吸法，这两种方法在残余气现场操作和测试中均存在一些问题，主要表现在:①利用慢速解吸法测量低煤阶煤层含气量时，由于含气量普遍偏小，残余气量更低，常规方法可能无法直接测得残余气量，或因测值太低导致误差增大;②快速解吸法测试煤层气含气量时，由于人为终止自然解吸，并通过粉碎煤样测试残余气，可能造成少量煤层气散失，致使残余气的测试结果小于实际值，总含气量偏小，另一方面由于解吸记录数据较少，不能正确反映煤岩解吸规律，无法得到吸附时间、扩散能力等关键参数。针对以上问题，本文提出一种新的残余气数值计算方法，即Langmuir曲线拟合法，试图从数值计算的角度探讨残余气，解决存在的问题。

2 残余气比重的影响因素和Langmuir曲线拟合法的提出

2.1 煤层气解吸曲线特征

图1 为高煤阶、低煤阶样品解吸曲线，由图可知，两样品解吸气量随时间延长，均不断增大，呈先陡后缓的曲线形态。解吸记录起始点为将煤样密封至解吸罐的时刻，由于此时解吸压力为大气压力(远低于临界压力)，吸附于大中孔隙表面的煤层气率先通过有利路径解吸，导致解吸初期曲线陡峭，但在吸附时间(63.2%)之后，随着常规解吸试验的进行，煤基质中气体浓度逐渐减小，产生扩散的驱动力即浓度梯度亦随之减小，越来越多的气体难以克服微孔隙产生的扩散阻力，不能从煤中解吸出来(周胜国，2002)，曲线之间逐渐趋于平缓，此时解吸出来的煤层气以残留在煤基质内的微孔表面的气体为主。

图1 某高(a)低(b)煤阶解吸曲线

2.2 残余气比重的影响因素分析

残余气比重是指残余气占总含气量的百分比。其影响因素主要包括煤阶、煤样粒度和灰分等。煤阶不同，岩隙结构不同。低阶煤以大、中孔为主，有利于解吸扩散，同时微孔比例小，保持残余气的能力有限，即残余气比重小;相反高阶煤微孔发育，气体需克服较大的扩散阻力，使得自然解吸结束时仍残余相对较多的煤层气;中阶煤介于二者之间。煤样粒度对解吸速度有一定影响，一般而言，粉煤、煤屑(钻屑)、煤心(块样)的解吸速度依次减小，吸附时间增大，残余气滞留能力增强(徐成法等，2005)。煤样越碎，解吸距离缩短，扩散阻力减小，使得在柱状和块状煤样中不能解吸出来的一些气体解吸出来，因此一般情况下煤样粒度越小，残余气比重越小。另外随着煤中灰分的增加，残余气含量逐渐增高，两者呈较好的正相关关系。通过煤岩学和扫描电子显微镜研究，初步认为，这是因为煤中存在的细小矿物如黏土矿物等充填在煤的孔隙中，不同程度地阻碍了气体的运移通道，使气体在煤中扩散运移的能力减弱，不利于气体从煤中解吸出来所致。此外煤岩组分、测试温度等对残余气比重也有一定程度的影响。

2.3 Langmuir曲线拟合法

Langmuir公式是根据汽化和凝聚动力学平衡原理建立的，其方程简单实用，已被广泛应用于煤和其他吸附剂对气体的吸附，同时，根据其动态平衡的假设，该方程同样可以描述煤层气解吸过程。煤层气吸附和解吸通常认为是一种可逆过程，但是适用于煤层气吸附的Langmuir公式能否较好地描述其解吸曲线形态值得研究。为此，基于Langmuir公式，通过参数意义转换，提出用于预测残余气含量的新方法，并通过拟合度检验判断其是否适用于解吸过程。

标准Langmuir公式为

中国煤层气技术进展: 2011 年煤层气学术研讨会论文集

式中:V为吸附量，m³/t;P为吸附压力，MPa;V_L为Langmuir体积，即理论最大吸附量，m³/t;P_L为Langmuir压力，即体积达到0.5V_L时，对应的吸附压力，MPa。可以看出，吸附量随压力的增大不断增加，当压力趋近于无穷大时，吸附量亦无限接近吸附量最大值，而解吸量同样随着解吸时间的增大不断增加，当解吸时间趋近于无穷大时，解吸气量亦接近于最大值而趋于稳定，体现出与吸附曲线相似的曲线变化形态，因此变换Lang-muir公式的字母意义，将解吸量对应吸附量，解吸时间对应吸附压力，即根据吸附和解吸的可逆性规律得

中国煤层气技术进展: 2011 年煤层气学术研讨会论文集

其中:G为实测解吸气含量，m³/t;T为实测解吸时间，h;G_L为极限解吸气含量，m³/t;T_L为解吸气含量达到0.5G_L时对应的实测解吸时间，h。变换公式(2)，得

中国煤层气技术进展: 2011 年煤层气学术研讨会论文集

根据实测解吸数据，参照式(3)得到T/G与T的对应关系图，拟合即可得到极限解吸含气量G_L。又因为G_L为实测解吸气量Q₂与Q₃残余气量之和，则可由下式求得残余气量

中国煤层气技术进展: 2011 年煤层气学术研讨会论文集

3 现场应用

Langmuir曲线拟合法计算残余气主要依据现场解吸数据，其结果的可靠性主要受限于解吸时间的长短，如图2所示，解吸时间越长，解吸曲线越平缓，预测值越可靠。

吐哈盆地某煤层气井测试中发现，大量低阶煤样品均存在残余气极低而无法直接测量或误差大的问题。以某样品A为例，采用本文提出的Langmuir曲线拟合法对低煤阶煤层残余气量进行计算，达到了比较满意的效果，如图3所示，预测极限解吸气量为1.26m³/t，且根据解吸测得的Q₂=1.24m³/t，求得残余气含量为0.02m³/t，相关系数在0.99以上，具有较高的可信度;同时得到了该区残余气比重分布(图4)，残余气比重为0.10%～4.35%，平均0.94%。

针对在快速解吸条件下残余气测量误差可能增大的情况，利用Langmuir曲线拟合法对某井10个样品48h内的解吸数据进行拟合分析，得到残余气值。从表1和图5可以看出，预测值比实测值普遍偏高，平均高出16%。说明现场快速解吸法中关于48h之后即进入残余气测试阶段的规定欠妥，期间造成部分煤层气散失，对损失气量Q₁乃至总含气量有一定影响，建议将解吸时间延长至解吸曲线较平缓或解吸量日增长不超过10%的时刻。另外二次取样也会影响残余气测试的准确性，建议现场尽量均匀取样，且至少重复测试2次，取两组相近数据的平均值作为最终残余气量。

图2 样品A实测解吸曲线

图3 样品A拟合曲线

图4 残余气比重分布

表1 某井样品实测结果

续表

图5 残余气结果对比

4 结论

(1)针对残余气测试中主要存在问题，根据煤层气吸附和解吸过程的可逆性规律，首次提出类似于Langmuir公式的残余气预测方法，通过现场实测数据验证，该方法拟合度较高，具有一定的可靠性。

(2)快速解吸条件下，残余气实测值普遍偏低，建议延长解吸时间至解吸曲线较平缓或日增长解吸量不超过10%的时刻，且保持均匀取样，至少重复测试两次，取两组相近数据的平均值作为最终残余气值。

参考文献

邓泽，刘洪林，康永尚.2008.煤层气含气量测试中损失气量的估算方法［J］.天然气工业，(3)

董红，侯俊胜，李能根等.2001.煤层煤质和含气量的测井评价方法及其应用［J］.物探与化探，(2)

傅雪海，陆国桢，秦杰等.1999.用测井响应值进行煤层气含量拟合和煤体结构划分［J］，测井技术，(2)

高绪晨，张炳，羡法.1999.煤工业分析、吸附等温线和含气量的测井解释［J］.测井技术，23(2):108～111

刘洪林，王红岩，张建博.2000.煤层气吸附时间计算及其影响因素分析［J］.石油实验地质，(4)

彭金宁，傅雪海，申建等.2005.潘庄煤层气解吸特征研究［J］.天然气地球科学，16(6):768～770

钱凯，赵庆波.1996.煤层甲烷气勘探开发理论与实验测试技术.北京:石油工业出版社，143～148

王红岩，刘洪林，赵庆波等.2005.煤层气富集成藏规律［M］.北京:石油工业出版社，50～75

徐成法，周胜国，郭淑敏.2005.煤层含气量测定方法探讨［J］.河南理工大学学报:自然科学版，(2)

张群，范章群.2009.煤层气损失气含量模拟试验及结果分析［J］.煤炭学报，(12)

张群，杨锡禄.1999.煤中残余气含量及其影响因素［J］.煤田地质与勘探，(5)

周胜国.2002.煤层含气量模拟试验方法及应用［J］.煤田地质与勘探，(5)

周胜国.1995.损失气求取方法研究［J］.焦作工学院学报，(1)

6. 最小二乘法、回归分析法、灰色预测法、决策论、神经网络等5个算法的使用范围及优缺点是什么

最小二乘法：通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。优点：实现简单，计算简单。缺点：不能拟合非线性数据.
回归分析法：指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。在大数据分析中，回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。优点：在分析多因素模型时，更加简单和方便，不仅可以预测并求出函数，还可以自己对结果进行残差的检验，检验模型的精度。缺点：回归方程式只是一种推测，这影响了因子的多样性和某些因子的不可测性，使得回归分析在某些情况下受到限制。
灰色预测法：
色预测法是一种对含有不确定因素的系统进行预测的方法 。它通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。它用等时间距离观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或者达到某一特征量的时间。优点：对于不确定因素的复杂系统预测效果较好，且所需样本数据较小。缺点：基于指数率的预测没有考虑系统的随机性，中长期预测精度较差。
决策树：在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。优点：能够处理不相关的特征；在相对短的时间内能够对大型数据源做出可行且效果良好的分析；计算简单，易于理解，可解释性强；比较适合处理有缺失属性的样本。缺点：忽略了数据之间的相关性；容易发生过拟合（随机森林可以很大程度上减少过拟合）；在决策树当中,对于各类别样本数量不一致的数据，信息增益的结果偏向于那些具有更多数值的特征。
神经网络：优点：分类的准确度高；并行分布处理能力强,分布存储及学习能力强，对噪声神经有较强的鲁棒性和容错能力，能充分逼近复杂的非线性关系；具备联想记忆的功能。缺点：神经网络需要大量的参数，如网络拓扑结构、权值和阈值的初始值；不能观察之间的学习过程，输出结果难以解释，会影响到结果的可信度和可接受程度；学习时间过长,甚至可能达不到学习的目的。

7. 交通量预测用什么方法

交通量预测用的方法有：遗传算法、神经网络、支持向量机、灰色理论等。

1、遗传算法

遗传算法是一种灵感源于达尔文自然进化理论的启发式搜索算法。遗传算法中包含初始化、个体评价（计算适应度函数）、选择运算、交叉运算和变异运算。

2、神经网络

神经网络是利用其算法特点来模拟人脑思维的第二种方式，它是一个非线性动力学系统，其特点就是信息分布式存储和并行协同处理。简单点讲就是利用该算法来模拟人类大脑来进行推理和验证的。

3、支持向量机

支持向量机算法作为机器学习领域的经典算法，从被提出开始提出后快速发展，在很多场景和领域都取得了非常好的效果，同时兼有数度快，支持数据量级大（相对经典机器学习算法）等特点使其在工程实践中的得到了广泛的应用。

4、灰色理论

灰色预测通过鉴别系统因素之间的发展趋势的相异程度，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程，从而预测事物未来的发展趋势。

(7)航道的回於预测用什么方法算扩展阅读

交通量预测的调整方法：

1、调基法

调基法主要通过调整与预测交通量关系最大的GDP和弹性系数，从而修正特征年交通增长率，达到降低交通量预测的不确定性带来的BOT项目投资风险。

2、通道控制法

基于公路运输通道特性明显的特点，重点收集拟建公路运输通道内的各主要公路历年观测交通量，对通道交通量进行整合、推算、预测。在此基础上，确定通道内各主要公路的功能定位、交通量分担权重，进而可以求得拟建公路的未来年交通量。

8. 怎么用IF的函数计算预测准确度

用IF的函数计算预测准确度的方法如下：

准备材料：excel表格、IF函数

1、在筛选判断一群人的分数与是否及格的关系中，必须要用到IF函数，IF函数是excel表格中最常用的用于多条件判断的函数公式，可以实现多层嵌套判断，需要熟练掌握。现在就来看看如何用它来做判断。

9. 试阐述回归预测法是一种怎样的方法得到准确的回归预测线的关键是什么

一元线性回归预测法的概念一元线性回归预测法是分析一个因变量与一个自变量之间的线性关系的预测方法。 常用统计指标：平均数、增减量、平均增减量。 一元线性回归预测基本思想确定直线的方法是最小二乘法 最小二乘法的基本思想：最有代表性的直线应该是直线到各点的距离最近。然后用这条直线进行预测。 一元线性回归预测模型的建立1、选取一元线性回归模型的变量 ； 2、绘制计算表和拟合散点图 ； 3、计算变量间的回归系数及其相关的显著性 ； 4、回归分析结果的应用 。 模型的检验1、经济意义检验：就是根据模型中各个参数的经济含义，分析各参数的值是否与分析对象的经济含义相符。 2、回归标准差检验 3、拟合优度检验 4、回归系数的显著性检验 利用回归预测模型进行预测可以分为：点预测和置信区间预测法 1、点预测法：将自变量取值带入回归预测模型求出因变量的预测值。 2、置信区间预测法：估计一个范围，并确定该范围出现的概率。置信区间的大小的影响的因素：a、因变量估计值；b、回归标准差；C、概率度t。

10. 具有不确定性的数据预测用什么算法预测

很多数据挖掘或者是机器学习中的算法都能完成这个任务。 最简单的最小二乘法，复杂一点的时间序列分析的方法，简单的比如Auto regression (AR)等等