內時間序列分析方法與隨機過程理論有所區別，前者是先對實測數據建立數學模型，並在此基礎上進一步分析隨機數據的統計特性；後者是在對實測數據統計所得的先驗概率知識基礎上來分析其統計特性。

1、時間序列分析(Time-Series Analysis)是指將原來的銷售分解為四部分來看——趨勢、週期、時期和不穩定因素，然後綜合這些因素，提出銷售預測。強調的是通過對一個區域進行一定時間段內的連續遙感觀測，提取圖像有關特徵，並分析其變化過程與發展規模。當然，首先需要根據檢測對象的時相變化特點來確定遙感監測的週期，從而選擇合適的遙感數據。

2、特點：簡單易行，便於掌握，但準確性差，一般只適用於短期預測。

3、基本原理：一是承認事物發展的延續性。應用過去數據，就能推測事物的發展趨勢。二是考慮到事物發展的隨機性。任何事物發展都可能受偶然因素影響，為此要利用統計分析中加權平均法對歷史數據進行處理。

4、基本思想：根據系統的有限長度的運行記錄（觀察數據），建立能夠比較精確地反映序列中所包含的動態依存關係的數學模型，並藉以對系統的未來進行預報。

時間序列分析的基本原理是利用時間序列的歷史數據來預測未來的趨勢和模式。
這種分析方法依賴于時間和觀測值的相關性，因為時間序列數據在時間上是相關的，也就是說，一個觀察值的大小和以前的觀察值有關。
時間序列分析可以應用於許多領域，例如經濟學、氣象學和社會科學等等，以預測未來的趨勢和模式，或者研究時間序列之間的相關性和相互作用。
內容延伸：時間序列分析有很多具體的方法和技術，例如平滑法、趨勢曲線分析、週期分析等等，在實際分析中需要根據具體情況進行選擇和應用。