随着我国高新技术产业和互联网产业的快速发展,在政府和企业管理与生产的过程中通常会产生大量的数据,如何利用这些数据帮助管理者做出科学地决策是增强政府执政能力和企业竞争力的重要手段。时间序列分析是数理统计学的一个重要分支,主要用于研究一列有序数据的变化规律并预测其将来的发展趋势。短时间序列是指历史观测值较少的序列,大量产生于生产和管理的进程中。但对于短时间序列,建立在数理统计基础上的传统分析方法并不适用,目前也没有一个相对成熟的建模方法体系,而且在数据的收集上,长序列的收集要比短序列需要更多的人力资源和技术支持,增加了生产和管理的成本。因此,提出一个针对短时间序列有效的预测模型具有很大的实际应用价值。本文针对短时间序列的特点,运用贝叶斯方法并利用时间序列的稳定季节性,提出了正态总体的稳定季节性贝叶斯模型,此模型相比较传统的ARIMA模型,在短时间序列的预测精度上有明显提高。在实际应用上,将此模型应用到航空旅客量的短序列预测上,并与ARIMA模型在长序列的预测上进行对比,对比结果表明,无论是年度总量的预测还是月度分量的预测,本文所提出的短时间序列模型在预测的精度上较ARIMA模型都有明显提高。此外,本文还提出了针对短时间序列集的预测调和方法,通过对序列集总量的预测去调节单个序列的预测结果,从而使得大多数序列的预测精度得以提高。短时间序列集的预测调和方法在很大程度上解决了短时序列观测值少、序列无规律等预测难题,并且可以配合任何时间序列模型使用,具有很大的实际应用价值。