时间序列是指按照时间顺序取得的一系列观测值,很多数据是以时间序列的形式出现的,从经济、金融到工程技术,从天文、地理到气象,从医学到生物等各个领域都涉及到时间序列,例如船舶运动,每天的气温,公路事故数量的周度序列等等。在自然科学和社会科学各研究领域中,大量决策问题都离不开预测,时间序列预测是指利用时间序列的若干历史观测值来预测未来某时刻的取值。时间序列预测的应用非常广泛,如天气预报,股价指数的预测,船舶运动的极短期预报等等。本文第一章介绍了该课题的背景意义以及时间序列预测的国内外研究现状；在第二章中给出了五种常用的时间序列预测方法基本原理的详细说明,包括线性预测方法(自回归模型AR、自回归滑动平均模型ARMA、求和自回归滑动平均模型ARIMA)和非线性预测方法(径向基函数RBF神经网络和BP网络)。第三章论文在MATLAB环境下实现了这五种方法用于海浪信号的预测,并且比较了这些方法预测后的四种误差,包括偏差、归一化偏差、均方根误差、标准偏差。同时,比较不同情况下这些方法预测的效果,分别是：预测步长增加时；取不同的时间段进行预测时,预测误差的大小等；比较了这些方法用于均匀分布和高斯分布随机数据序列的预测效果。第四章在MATLAB的GUIDE平台上开发了一个时间序列短期预测系统,涵盖了以上五种预测方法,该系统可以方便的对时间序列进行预测,可自由选择预测方法,待预测的数据和预测步长,能直观地显示预测结果以及常用的四种误差值,便于用户对这些方法的预测效果进行评估分析。最后,第五章总结了以上五种预测方法的预测性能并对方法的改进之处寄予展望。本文的主要贡献有：(1)在MATLAB环境下实现了五种常用的时间序列预测方法,并使用这些方法对海浪信号、均匀分布和高斯分布数据进行了短期预测。(2)比较这五种预测方法的预测步长,稳定性,预测精度和运行时间,总结了它们的优缺点。(3)在MATLAB的GUIDE平台上开发了时间序列短期预测系统,方便使用五种方法对时间序列进行预测。