مدل های (ARIMA) میانگین متحرک یکپارچه برگشتی خودکار یا متدلوژی باکس- جنکینز دسته ای از مدل های خطی می باشند که می توانند سری های زمانی ساکن و همین طور غیر ساکن را ارائه دهند.​

 مدل های ARIMA تا حد زیادی به الگوهای خود همبستگی در داده ها هم ACF و هم PACFوابسته می باشند که برای انتخاب مدل اولیه مورد استفاده قرار داده می شوند.​

 متدلوژی باکس – جنکینز از روش تکراری استفاده می کند :​

1- مدل اولیه از کلاس کلی مدل های ARIMAانتخاب می شود که بر پایه بررسی TS و بررسی خودهمبستگی های خود برای چندین تأخیر زمانی می باشد.​

2- سپس مدل انتخاب شده در مقابل داده های تاریخی مورد بررسی قرار داده می شود تا مشخص شود که آیا به طور دقیق سری ها را توصیف می کند. مدل در صورتی از سازگاری خوب برخوردار می باشد که (residuals) پس مانده ها به طور کلی کم و با توزیع اتفاقی باشند و دارای اطلاعات مفید نباشند.​

3- اگر مدل مشخص شده رضایت بخش نباشد، فرایند با استفاده از مدل جدیدی تکرار می شود که برای بهبود دادن در مدل اصلی طراحی شده است.​

4- در صورتی که مدل رضایت بخش باشد می توان آن را برای پیش بینی مورد استفاده قرار داد.​