古气候时间序列分析（time-series analysis of paleoclimate data），理学-地质学/地质资源与地质工程-第四纪地质学-第四纪古气候-米兰科维奇理论，用随机过程理论和数理统计学方法，研究古气候变化序列所遵从的统计规律。从序列的内部结构及其蕴含的信号特征来看，可从“时域”和“频域”两个方面对古气候时间序列进行分析。它包括一般统计分析（如自相关分析、谱分析等），统计模型的建立与推断，以及随机序列的最优预测、控制和滤波等内容。古气候时间序列可认为是在时间上连续变化的古气候变量随机过程的离散化采样的结果。往往具有随机性、关联性、突变性和趋势性等特点。由于其非平稳性特征，一般包含趋势分量、周期分量和随机分量3个分量。通常趋势成分反映了时间序列中长时间、大面积、系统性的整体变化，可用滑动平均、多项式拟合、样条函数拟合、滤波等方法使趋势变化部分分离出来；周期成分反映了时间序列中有周期规律的变化，可用谐波分析、周期图分析、小波分析等统计方法研究其周期变化特征；随机成分反映了时间序列中的随机因素影响（如局部性干扰等）的结果，除去趋势和周期成分，剩余便是随机成分。