现在假设给出一个数组：
$year=array(
'Jan'=>100,
'Feb'=>98,
'Mar'=>95,
'Apr'=>94,
'May'=>92，
'Jun'=>93,
'Jul'=>87,
);
计算机如何根据目前给出的前7个数组的值，来大致推断后8月、9月、10月的值？
除了线性回归，还可以用时间序列的一些模型。比如：简单平均，移动平均，二次移动平均，加权平均，指数平滑法，ARIMA，等等。线性回归是在尽量拟合已有的历史数据，而时间序列基本上是纯预测。
大家都已经说了，这是个线性回归的问题。
其实没那么复杂，excel就可以处理，详细可以参考下面的一个例子：
http://wenku.baidu.com/view/635437ff910ef12d2af9e7dd.html
回归问题。。推荐你看NG的机器学习公开课，一开始就是说的这个。
趋势无非两种思路：
- 匹配上成型的队列结构（相同、等差、等比等）
- 回归分析
用什么模型做回归分析恐怕也很难用计算机做决策，还得自己看数据的形态而定。
你这个数据的趋势，也许做一元线性回归也就够了。
这是一个比较普通的统计学的问题了，解决方法其实很简单，通过这几个散点拟合一条曲线方程并求出未知的值，这个在统计学上叫做回归分析。回归分析的话又分为一元线性回归和多元线性回归，散点越多的话拟合出来的曲线越好，拟合优度R的值越高（最大值为1）。（拼了老命在回忆多元统计课上的东西啊OAQ）
关于PHP线性回归的实现可以看看这篇文章：http://wenku.baidu.com/view/12fa40697e21af45b307a8ba.html
说到回归分析的话就不得不提到最小二乘法。通俗点来讲，最小二乘法就是通过制定一个函数方程（即模型，其中包括N个位置函数的系数和一个常数项，例如简单的一元模型为Y = aX + b），然后使用这种方法计算出这些未知数。根据你定义的模型和散点的数量的不同，得到的最终曲线方程也会有差异。
关于最小二乘法的公式和原理什么的可以详细Google，实在是回忆不起来了OAQ。以上都是回忆内容，如有错误还请指正。