时间序列分析是概率统计学科中应用性较强的一个分支，在金融经济、气象、水文、信号处理、机械振动等众多领域有着广泛的应用。由于在很多问题中，随机数据是依时间先后排成序列的，故称为时间序列。它包括一般统计分析（如自相关分析、谱分析等），统计模型的建立与推断，以及关于随机序列的最优预测、控制和滤波等内容。经典的统计分析都假定数据序列具有独立性，而时间序列分析则着重研究数据序列的相互依赖关系。　　 通过对传统的系统模型辨识与预测控制方法的研习，我们发现模型输出和对象输出之间的误差，是个很重要的变量：误差的性质决定了调节质量，还传递和系统特性有关的重要信息。因此，研究输出误差的特性，就可以对系统进行更好的控制。　　 本文的主要目的是研究时间序列分析方法在系统自适应控制中的应用。传统的系统自适应控制主要是采用最小方差控制，但是，该方法应用的前提是能够得到被控对象准确的确定性部分模型和随机噪声模型，且一般要求被控对象是最小相位系统。所以，我们换个角度考虑问题，从系统的输出误差着手，并用时间序列分析方法对其进行研究，寻求一个更优的自适应控制方法。　　 本文以一个过阻尼二阶加纯滞后模型为实验对象，用两种不同的方法对系统进行预测控制：一种方法用是传统的系统自校正控制方法，即用递推最小二乘参数辨识方法和最小方差控制方法相结合来校正系统偏差；另一种方法是用时间序列分析方法，对系统控制过程中产生的误差进行分析、建模和预测，利用预测出来的误差来设计控制器，对系统的输入信号进行控制，从而实现对参考模型输出信号的跟踪。　　 实验结果表明，应用时间序列分析方法可以很准确地预测出系统的误差，而且应用这个预测出来的误差设计出来的控制器可以跟踪参考模型输出信号的变化，这些都体现了应用时间序列分析方法进行自适应控制的优越性，并验证了该方法的可行性。