近年来,政府不断加大对林业的公共投入,旨在促进林业生态的可持续发展,在政府的带头引导下,社会资本也逐渐向林业投入,本研究针对林业经济领域中的林业产值进行研究,试图探究林业经济的发展规律。时间序列分析方法是分析林业产值时间序列的重要方法,即通过建立数学模型对林业产值历史数据的统计特性进行分析,进而对未来的林业产值数据进行预测。基于时间序列分析方法,对我国林业产值构建预测模型,考虑林业产值变化的动态特征,并将产出变化的周期性特征加入到林业产值模型当中,可以更好地预测产出变化,为林业部门制定科学合理的经济决策提供依据;与此同时,深入和系统地研究林业产值的经济周期特征能更好地认识当前的林业经济状态,进而制定相应的反周期政策来为林业经济波动创造应对措施,进而促使林业经济趋向于平缓波动。本文对我国1952—2018年林业产值年度时间序列构建ARIMA模型,对2004—2018年林业产值季节性时间序列构建季节性ARIMA模型和GM(1,1)模型,使用R语言和Eviews软件对林业产值序列进行处理和建模。首先,本文对林业产值季节性时间序列的发展特征进行研究,通过分析其季节性林业产值的长期趋势、年度周期、半年度周期,得出林业产值的经济周期和发展趋势特征。其次,将林业产值的经济周期引入到ARIMA模型中,建立了季节性ARIMA模型,同时也利用林业产值季节性时间序列建立GM(1,1)模型,并将季节性ARIMA模型与GM(1,1)模型做对比研究。研究表明,我国林业产值时间序列存在着较为明显的周期性特征和波动上升的趋势特征,即林业产值在冬季远高于其他季节和林业产值整体呈现波动上升的趋势;将林业产值经济周期和波动趋势特征引入到传统的ARIMA模型中,通过对模型的改进和优化,取得了很好的拟合效果,比GM(1,1)模型和传统的ARIMA模型拟合精度都更高;传统检验时间序列数据平稳性的方法主要为ADF单位根检验或KPSS检验,但在实际应用中,ADF检验或单位根检验基本都是针对年度时间序列数据,而当我们检验季节性林业产值数据的平稳性时,采用CH检验将更为合理。