时间序列预测对人们有很大的实用价值。时间序列预测应用的范围很广,例如船舶在海上航行时,需要预测浪高、风速来保证航行安全；金融市场上的分析师会根据经济运行数据来预测股票市场的走势；负责通信网络的工程师在服务器端检测一个时间段内产生的网络业务量,预测未来业务量以保证服务器正常工作等。未知总是建立在已知之上,时间序列预测同样如此,虽然时间序列分析理论已经建立了多年,不断有研究学者提出更好更新的方法,但再好再精确的数学模型也不能对所有类型时间序列都适用,数据预测也总是不可避免存在一定误差,但误差有时候看起来不大对人们的影响却很大,比如在航空工业或精密电子工业领域中,即使细微的误差也会给实际应用带来严重后果。本文对海水位时间序列预测的误差进行了重点的研究。本文的主要内容包括两部分,第一部分是介绍时间序列的预测方法,第二部分是海水位时间序列预测误差的定量分析。以往也有学者得到过时间序列的样本长度越长,预测的误差越小的结论。但如果给定预测误差,需要的样本量到底又是多大,讨论这个问题的人却不多。本文深入研究了海水位时间序列预测的误差程度与样本长度的关系,利用海水位作为实验对象进行预测,得出不同样本大小下的预测误差,进而得到海水位预测误差与样本长度的变化曲线,最后给出了定量的函数结论。另外,实验比较了不同Hurst参数的样本得到的预测误差的大小关系。