滑动平均法是趋势外推技术的一种，实际上是对具有明显的变化趋势的数据序列进行曲线拟合，再用新曲线预报未来的某点处的值。一般情况下，可以认为未来的状况与较近时期的状况有关。根据这一假设，可采用与预测期相邻的几个数据的平均值，随着预测期向前滑动，相邻的几个数据的平均值也向前滑动作为滑动预测值。

假定未来的状况与过去三个月的状况关系较大，而与更早的情况联系较少，因此可用过去三个月的平均值作为下个月的预测值，经过平均后，可以减少偶然因素的影响。平均值可用下列公式计算：

也可以用更多月份的滑动平均值来预测，计算公式如下：

式中，为预测值；t为时间单位数；x为实际数据。也可以用连加符号把上面的公式归纳为：

在这一方法中，对各项不同时期的实际数据是同等看待的。但实际上距离预测期较近的数据与较远的数据，它们的作用是不等的，尤其在数据变化较快的情况下更应该考虑到这一点。

为了克服以上缺点，可采用加权滑动平均法来缩小预测偏差。加权滑动平均法根据距离预测期的远近，预测对象的不同情况，给各期的数据以不同的权数，把求得的加强权平均数作为预测值。用任意几个月，给予其他权数来计算加权滑动平均值，其公式为：

式中，为各期的权数；为各期的实际数据。

上述可归纳为：

滑动平均法的主要特点在于简捷性。它相对于其他动态测试数据处理方法而言，算法很简便，计算量较小，尤其可采用递推形式来计算，可节省存贮单元，快速且便于实时处理非平稳数据等。但也存在一定的主观性和任意性。因为其应用效果很大程度上取决于各种算法参数的选定。通常依据动态测试过程本身变化的机理，以及实际测试数据的具体变化状态，而靠经验来尽量合理地选定滑动平均算法的参数。

滑动平均法在实际生活中可用于测量火炮身管膛内压力随时间变化的过程曲线；也可用于工业现场的控制，通过平滑处理后较好地解决了数据显示不稳及继电器误触发的问题。