本文搜集了我国2001年1月至2005年12月各月工业增加值的历史数据，利用时间序列分析的理论和方法进行建模。首先根据数据散点图将序列分解成三部分：趋势项、季节项和随机项。通过Eviews软件提供的季节调整方法，得出经过季节调整后的序列图形大体上与二次函数、指数函数类似，于是分别用这两个函数去模拟，通过比较，二次函数效果更好一些，同时得出用二次函数预测趋势项的结果。其次对去除趋势项后的序列进行季节调整得到了各月的季节因子。然后通过观察对原序列去掉趋势项和季节项后剩余的随机项曲线图，发现随机项并不平稳，于是采用一阶差分使序列变得平稳。通过对差分后序列的自相关图和偏自相关图的分析，分别采用ARMA(1，1)、ARMA(2，1)、ARMA(2，0)三种模型进行模拟，经过检验发现ARMA(1，1)模型效果最好。最后，用此模型对2006年1月和2月随机项进行预测，将预测的趋势项乘上季节因子再加上随机项，最终得到2006年1月和2月工业增加值的预测值。通过和实际值的对比，表明用二次函数去模拟趋势项，用ARIMA(1，1，1)模型拟合随机项所得的模型效果是比较理想的，预测精度达到95％以上。