【摘要】层次化时间序列预测在当今社会起着重要的作用，但由于其本身的复杂性导致这项研究的挑战性较大。 本研究聚焦于将贝叶斯推断应用于自回归移动平均（ａｕｔｏｒｅｇｒｅｓｓｉｖｅ ｉｎｔｅｇｒａｔｅｄ ｍｏｖｉｎｇ ａｖｅｒａｇｅ，ＡＲＩＭＡ）模型与 ３ 种池化模型（完全池化、无池化、部分池化）的组合，来优化多层次时间序列预测，并利用合成数据集验证层次结构对预测准确性的提升效果。 本研究对项目相关理论知识做了介绍，分析了项目模型的实现方法。 实验结果表明：部分池化模型表现最优，且短期数据集的预测效果更佳。 证实了层次结构能增强预测准确性，且对短期时间序列效果尤为显著。 本研究丰富了 ＡＲＩＭＡ 与池化模型组合的研究，为时间序列预测提供了新视角和方法论支持。