1，定性預測法
根據人過去和現在對系統的經驗、判斷和直覺，以人的邏輯判斷為主，只需要系統的發展方向、狀態、情況等定性結果。這種方法適用於缺少歷史統計數據的系統對象。
2.時間序列分析
根據系統對象隨時間變化的歷史數據，只考慮系統變量隨時間的變化規律，定量預測系統未來的性能時間。主要包括移動平均法、指數平滑法和趨勢外推法。這種方法適用於利用簡單的統計數據來預測研究對象隨時間的變化趨勢。
3.因果關系的預測
系統變量之間存在因果關系。找出影響某壹結果的幾個因素，建立因果之間的數學模型，根據因素變量的變化預測結果變量的變化，既預測了系統的發展方向，又確定了具體的數值變化規律。
擴展數據:
采用定量預測方法進行預測時，預測模型是最重要的任務，建立預測的數學模型。預測模型是指用數學語言或公式描述的事物之間的數量關系進行預測。在壹定程度上揭示了事物之間的內在規律性，在預測時作為計算預測值的直接依據。
因此對預測精度影響很大。任何特定的預測方法都有其特定的數學模型。預測方法有很多種，每壹種都有對應的預測模型。
趨勢外推預測法是根據事物的歷史和現實數據，尋求事物隨時間發展變化的規律，從而推斷其未來狀況的壹種常用預測方法。
趨勢外推法的假設是:
(1)假設事物的發展過程沒有跳躍式的變化，即事物的發展變化是漸進的。
(2)假設所研究系統的結構和功能基本保持不變，即假設基於過去數據的趨勢外推模型能夠適用於未來，能夠代表未來的趨勢變化。
從以上兩個假設可以看出，趨勢外推預測法是壹種對事物逐漸發展的統計預測方法。簡而言之，就是用壹個數學模型來擬合壹條趨勢線，然後用這個模型來外推預測未來事物的發展。
趨勢外推預測法主要利用繪制散點圖的方法(圖形識別)和差分法計算模型選擇。
主要優點是:可以揭示事物的未來發展，定量評價其功能特性。
趨勢外推預測法更適合中長期新產品預測，需要至少5年的數據。
組合預測法就是對同壹問題使用多種預測方法。組合的主要目的是綜合利用各種方法提供的信息，盡可能提高預測精度。組合預測有兩種基本形式，壹種是等權組合，即將各種預測方法的預測值按同壹權數組組合成新的預測值；二是不等權組合，即對不同預測方法的預測值賦予不同的權重。？
這兩種形式的原理和應用方法完全壹樣，只是權重不同。根據經驗，不等權組合的組合預測方法更準確。
回歸預測方法是基於自變量和因變量之間的相關性。自變量的數量可以是壹個或多個。根據自變量的個數，可分為單變量回歸預測和多變量回歸預測。同時，根據自變量與因變量的相關性，又可分為線性回歸預測法和非線性回歸法。
回歸問題的學習相當於函數擬合:選擇壹條函數曲線，使其很好地擬合已知數據，很好地預測未知數據。
參考資料:
百度百科-預測模型
參考資料:
百度百科-定性預測