时间序列预测是统计学中的一个重要分支，它研究的是时间序列数据的预测问题。常见的时间序列预测方法有很多，以下是一些主要的方法：
1.移动平均法（MA）：该方法通过计算时间序列的平均值来预测未来值。它适用于平稳时间序列，但忽略了趋势和季节性。
2.自回归模型（AR）：该方法假设当前值与过去值有关，通过拟合一个自回归方程来预测未来值。它适用于平稳时间序列，但忽略了趋势和季节性。
3.移动平均自回归模型（ARMA）：该方法结合了MA和AR的优点，既考虑了过去值的影响，又考虑了当前值的影响。它适用于非平稳时间序列，但需要选择合适的阶数。
4.季节性自回归移动平均模型（SARIMA）：该方法在ARMA的基础上加入了季节性因素，适用于具有明显季节性的时间序列。
5.指数平滑法（ETS）：该方法通过拟合一个指数函数来预测未来值。它适用于具有明显趋势和季节性的时间序列。
6.ARIMA模型：ARIMA模型是一种非常常用的时间序列预测方法，它结合了AR、I和MA三种模型。ARIMA模型适用于非平稳时间序列，并且可以通过选择不同的参数来适应不同类型的数据。