煤炭是我国能源的主体更是国民经济的基础产业,所以研究原煤产量的动态演变过程至关重要。本文对随机时间序列分析的基本理论进行了分析研究,其中具体包括随机序列的建模、识别、参数估计、诊断检验及预测。对比常规预测原煤产量的建模方法,本文采用不同的方法即季节调整法对我国原煤产量进行了预测,最后给出了对比结果。首先,季节调整法即首先根据数据散点图的情况将序列分解成三部分:趋势项、季节项和随机项,并对这三项分别建立起相应模型。对于趋势项模型的建立可通过最小二乘法的原理进行,从而直接利用它对预测值的趋势部分进行预测。接下来就是季节项乘法模型的建立以及分离,但前提必须将趋势项去除,然后通过季节命令进行季节调整并得出同月的实际季节指数的平均值即季节因子。针对最后一项的分离,首先需验证去掉趋势项和季节项后剩余的随机项是否具有平稳性,如果噪声序列不平稳,需进行差分处理并直到序列变平稳为止。其次,对随机噪声序列的自相关和偏自相关图进行分析,并分别采用Arma（1,1）、Arma（2,1）、Arma（3,1）以及Arma（4,1）四个模型进行模拟,经过检验发现Arma（2,1）模型效果最好,接下来采用此模型对原煤产量随机项进行预测,然后再加上序列趋势项和季节项的预测值,才可得到原煤产量的最终预测值,其值分别为:28919.55、29473.43,其中预测的误差百分比分别为:-0.93%、0.53%。最后,论文进行了对比分析,通过季节调整法模型和灰色预测法模型的建立分别模拟预测。结果季节调整法的误差总体上比灰色预测模型法小且预测效果较好。因此,季节调整法模型可作为原煤产量分析和预测的一种有利工具,从而为今后国家非再生能源相关政策的制定和管理提供一定的依据和服务。