在进行生产预测时，常用到的移动平均法存在如下一些问题：对于简单移动平均数所取移动期限n的不同，其预测结果也不同。为了使预测准确，必须选择最优权数，但是时间数列是逐期变化的，欲最优，也必须依据预测值和实际观测值的误差调整权数。换言之，应该随时间数列的逐期变化，逐期修正移动平均预测模型，并且是反复修正，使预测误差最小。同样，指数平滑公式中的权数也需要加以调整。调整的方法就是用自适应过滤法。

自适应过滤法的思想与电讯工程学关于无线电传输过程中消除噪声的过程相似，故命名为：“自适应过滤法”。

自适应过滤法是根据一组给定的权数对时间数列的历史观察值进行加权平均计算一个预测值，然后根据预测误差调整权数以减少误差，这样反复进行直至找出一组“最佳”权数，使误差减少到最低限度，再利用最佳权数进行加权平均预测。

• 简单易行，可采用标准程序上机运算。
• 适用于数据点较少的情况。
• 约束条件较少
• 具有自适应性，他能自动调整回归系数，是一个可变系数的数据模型。