时间序列是指一组按时间顺序排列的随机变量序列。AR模型(自回归模型)就是利用时间序列中过去若干个时刻的观测值来预测当前时刻的值，本质上是一种线性预测模型。AR模型可表示为：$Y_t=c+\phi_1Y_{t-1}+\phi_2Y_{t-2}+\cdots+\phi_pY_{t-p}+\epsilon_t$，其中$c$是常数项(截距)，$Y_t$是时间序列在时刻$t$的值，$p$是自回归过程中考虑的最大滞后阶数，$\phi_1,\phi_2,\cdots,\phi_p$是自回归系数，$\epsilon_t$是误差项。AR模型的预测需要确定其阶数和自回归系数。

python代码示例：

from statsmodels.tsa.ar_model import AR
from random import random

# 生成100个随机数作为时间序列
data = [random() for _ in range(100)]

# 训练模型并预测下一个时刻的值
model = AR(data)
model_fit = model.fit()
yhat = model_fit.predict(len(data), len(data))

print(yhat)