本文讨论了时间序列中应用最为广泛的ARIMA模型的基本理论和方法,并简单介绍了运用Decision Time软件进行了数据的分析的过程;然后给出了马尔可夫链的三种点值预测的方法,它们是基于马尔可夫链的状态预测的一种手法;最后进行了基于统计试验的两类预测方法的比较分析,并研究了影响预测精度的一些因素,所得成果如下: 1.马尔可夫链点值预测方法的精度比时间序列分析预测方法要高,马尔可夫链的三种点值预测方法中基于绝对分布的马尔可夫链点值预测方法的精度最低,其它两种点值预测方法预测精度相差不大。 2.马尔可夫链点值预测方法对不同的水文分布具有适应性。 3.用于预测的历史数据长度(样本容量C)对预测精度的影响很大,但相对来讲马尔可夫链点值预测方法对历史数据的要求比时间序列分析方法对历史数据的要求要低得多。 4.序列的变差系数C_v和偏态系数C_s对两类预测方法的精度的影响显著。精度是随着C_v的增大而迅速下降,随着C_s的增大而有所提高。 5.一步相关系数对预测精度的影响不大。 6.马尔可夫链的点值预测方法中,指标值的分级对预测精度有显著影响。 7.马尔可夫链的点值预测方法中前期预测中值的权重对预测精度有一定影响。 本文的亮点是提出了基于马尔可夫链状态预测的三种点值预测方法,并与比较流行的时间序列预测方法进行了比较,得出了马尔可夫链方法做点值预测的有效性。