定時檢測包括兩個部分。
？歷史數據的擴展預測，也稱為歷史擴展預測法。它是通過對時間序列所反映的社會經濟現象的發展過程和規律性的延伸和外推來預測發展趨勢的方法。
時間序列又稱時間序列、歷史復數或動態序列。就是把某個統計指標的數值按時間順序排列起來，形成壹個序列。時間序列預測法是對時間序列進行擬和分析，根據時間序列所反映的發展過程、方向和趨勢進行類比或引申，從而預測未來壹段時間或未來幾年可能達到的水平。其內容包括:收集和整理某壹社會現象的歷史資料；檢查和識別這些數據，並按順序排列；對時間序列進行分析，找出社會現象隨時間變化的規律，得到壹定的模式；用這個模型來預測這個社會現象的未來情況。
？第壹步，收集歷史數據，進行整理，編成時間序列，按照時間序列繪制統計圖。時間序列分析通常將各種可能的因素進行分類，傳統的分類方法根據各種因素的特點或影響效果將其分為四類:(1)長期趨勢；(2)季節變化；(3)周期性變化；(4)不規則變化。
第二步，分析時間序列。時間序列中每壹個時期的值都是許多不同因素同時作用的綜合結果。
第三步，找出時間序列的長期趨勢(T)、季節變化(S)和不規則變化(I)的值，選擇近似的數學模型來表示。對於數學模型中的未知參數，采用適當的技術方法獲得數值。
第四步，利用時間序列數據，找到長期趨勢、季節變化和不規則變化的數學模型，然後用它來預測未來的長期趨勢值T和季節變化值S，有可能的話預測不規則變化值I。然後使用以下模式計算未來時間序列的預測值y:
加法模式T+S+I=Y
乘法模式T×S×I=Y
如果不規則變化的預測值難以獲得，則只獲得長期趨勢和季節變化的預測值，它們相乘的乘積或和就是時間序列的預測值。如果經濟現象本身沒有季節性變化或者不需要預測季節和月份的數據，那麽長期趨勢的預測值就是時間序列的預測值，即t = y，但是需要註意的是，這個預測值只是反映了現象的未來發展趨勢。即使準確的趨勢線起到了時序觀察的作用，本質上也只是壹個平均值，實際值會圍繞其上下波動。
？1.時間序列分析是根據過去的變化趨勢來預測未來的發展，其前提是假設事物的過去延續到未來。
時間序列分析是基於客觀事物發展的連續規律性，利用過去的歷史數據，通過統計分析進壹步推測未來的發展趨勢。過去的事情會延續到未來的假設包含了兩層含義:壹是不會有突然的跳躍和變化，而是以相對較小的步伐前進；第二，過去和現在的現象可能預示著現在和未來活動的發展變化趨勢。這就決定了通常情況下，時間序列分析方法對於短期和短期預測的意義更大，但如果推廣到更遠的未來，就會有很大的局限性，導致與實際預測值偏差較大，決策失誤。
2.時間序列數據變化有規律性，也有不規律性。
時間序列中每個觀測值的大小是同時影響變化的各種因素的綜合結果。從這些影響因素的大小和方向變化的時間特征來看，這些因素引起的時間序列數據的變化可以分為四種類型。
(1)趨勢:壹個變量隨著時間的進展或自變量的變化，表現出相對緩慢的、長期的不斷增大、減小並保持同壹性質的趨勢，但變化的幅度可能是不相等的。
(2)周期性:由於外界影響，某壹因素隨著自然季節的交替而出現波峰和波谷的規律。
(3)隨機性:個體的變化是隨機的，整體是統計的。
(4)全面性:實際變化是幾種變化的疊加或組合。預測時，盡量過濾掉不規則變化，突出趨勢性和周期性變化。
時間序列預測法可用於短期、中期和長期預測。根據數據分析方法的不同，可分為簡單時間序列平均法、加權時間序列平均法、移動平均法、加權移動平均法、趨勢預測法、指數平滑法、季節性趨勢預測法、市場生命周期預測法等。
簡單序貫平均法也叫算術平均法。即取幾個歷史時期的統計值作為觀測值，計算算術平均值作為下壹個預測值。這種方法基於以下假設:“以前是這樣，以後也是這樣”，並且對近期和長期的數據進行同化和平均，所以只能應用於事物變化不大的趨勢預測。如果事物呈現壹定的上升或下降趨勢，就不應該采用這種方法。
加權序時平均法是將各個時期的歷史數據按照近期和遠期的影響程度進行加權，求平均值作為下壹個預測值。
簡單的移動平均法就是移動計算幾期的算術平均值作為下壹期的預測值。
加權移動平均法是通過加權計算簡單移動平均。在確定權重時，近期觀測值的權重應較大，遠期觀測值的權重應較小。
上述方法雖然簡單方便，可以快速得到預測值，但由於沒有考慮整個社會經濟發展的新趨勢和其他因素的影響，精度較差。根據新的情況，對預測結果進行必要的修正。
指數平滑法是根據歷史數據的上期實際數和預測值，采用指數加權法進行預測。這種方法的本質是由內部加權移動平均法演化而來的壹種方法。優點是只要有實際數和上壹期的預測值，就可以計算下壹期的預測值，可以節省大量的數據和處理時間，減少數據的存儲量，方法簡單。是國外廣泛使用的壹種短期預測方法。
季節趨勢預測法是根據每年循環出現的周期性季節變化指數來預測經濟事物的季節變化趨勢。計算季節指數可以采用不同的方法，常用的方法有季節(月)平均法和移動平均法:a .季節(月)平均法。就是按季(或月)平均各年的數值，除以各季(或月)的總平均值，得到各季(月)的指數。這種方法可以用來分析生產、銷售、原材料儲備、預計資金周轉需求等經濟事物的季節性變化。b .移動平均法。也就是用移動平均線來計算比例，找到典型的季節指數。
市場生命周期預測法是對產品市場生命周期的分析和研究。比如，預測成長期產品的銷售量，最常用的方法之壹就是根據統計數據，按時間序列畫壹個圖，然後將曲線延伸，得到未來的銷售發展趨勢。最簡單的延拓方法是線性延拓法，適用於耐用消費品的預測。這種方法簡單、直觀，容易掌握。
1.StepAR模型:StepAR模型是壹個具有趨勢和季節性因素數據的模型類。
2.溫特斯法——可加模型:它將現狀與倍增的季節因素相結合，考慮了序列中的規律性波動。
3.ARlMA模型:它是壹個模型類，處理帶有趨勢和季節因素的數據。
4.溫特斯法——多元模型:這種方法結合了同期趨勢和倍增的季節因素，並考慮了季節波動的時序規律。時間趨勢模型可以根據序列規律的季節性波動來修改趨勢。為了捕捉季節性，趨勢模型包括每個季節的季節參數，並且季節因子被相乘。