本文应用时间序列分析里的Box-Jenkins法对玻璃纤维增强模塑料老化进行预测。Box-Jenkins法，简称B-J法或ARMA法，是以美国统计学家GeorgeE.P.Box和英国统计学家GwilymM.Jenkins的名字命名的一种时间序列预测方法。它主要试图解决以下两个问题：一是分析时间序列的随机性、平稳性和季节性；二是在对时间序列进行分析的基础上，选择恰当的模型进行预测。其预测模型分为：自回归模型(简称AR模型)、滑动平均模型(简称MA模型)和自回归滑动平均混合模型(简称ARMA模型)。 Box-Jenkins法的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，即除去个别的因偶然原因引起的观测值异常外，时间序列是一组依赖于时间t的随机变量。这组随机变量所具有的依存关系或自相关性表征了预测对象发展的延续性，而这种自相关性一旦被相应的数学模型描述出来，就可以应用时间序列的过去值及现在值预测其未来值。可见，Box-Jenkins法是以时间序列的自相关分析为基础的。 本文的预测目标是玻璃纤维增强模塑料老化序列。玻璃纤维材料自1932年在美国诞生以后，至今已有80多年的发展历史。如今，玻璃纤维制品已广泛地应用到军事，工业，农业，生活的各个领域。玻璃纤维具有隔热，控光，导电，隔音，防结露，防辐射，防放射，安全，美观舒适的功能。然而老化的玻璃纤维却是生产生活中的极大危险隐患，掌握它的老化进度有助于我们更好的使用它。我这篇论文的大致框架是这样的：1.先具体介绍时间序列分析。只有清楚的掌握了时间序列分析才有可能进行深一步的研究。2.介绍我这次预测主要用的模型，Box-Jenkins法。3.实证预测。在实证预测中先介绍了项目的资料和实际数据的来源，然后对其中的北京区的氟碳的老化进行了数据分析，建模及预测。在数据分析中先对数据进行差分和零均值化使其平稳，然后分析平稳后的时间序列的自相关和偏自相关系数，残差平方和建立模型并用F检验法对模型进行了适应性检验，确定预测模型，最后对预测模型进行预测效果检验，预测效果比较理想。4.最后总揽全文，得出结论，并提出今后的研究展望。