امروزه نقش پیشبینی در بهرهگیری از فرصتها و یا دوری از تهدیدات انکارناپذیر است، لذا روشهای متعدد پیشبینی نیز جهت شناسایی این فرصتها در طی سالهای گذشته مطرح گردیدهاند؛ اما روشهای موجود کمتر به تلفیق جنبههای ضمنی با جنبههای آماری جهت ارتقاء سطح پیشبینی پرداختهاند. به منظور برطرف ساختن مشکل مذکور و حصول نتایج دقیقتر، مدلی ارائه گردیده است که جنبههای آماری (انتظارات تطبیقی) را با بهکارگیری آریما برای هر یک از سریهای زمانی، و جنبههای ضمنی (انتظارات عقلایی) را در همگرایی ماتریسی سریهای زمانی متبلور میسازد. مدل با همه پیچیدگیهای مفهومی به یک مدل ریاضی برنامهریزی غیرخطی تبدیل میشود و در نهایت با استفاده نرمافزار گمز حل میگردد و پارامترهای آریما از آن استخراج میگردد. در ادامه با استفاده از پارامترهای تخمین زده شده، مقادیر دورههای بعد پیشبینی میگردد. میزان صحت پیشبینیهای مدل مذکور نیز بر اساس معیار ریشه میانگین مجذور خطاها (RMSE) مورد ارزیابی قرار میگیرد.