准备数据集：首先需要准备用于训练和预测的时间序列数据集，确保数据集具有时间序列特性。
引入ARIMA模型：在Java中，可以使用第三方库如JPMML-ARIMA来实现ARIMA模型。首先需要引入对应的依赖库。
训练模型：使用数据集训练ARIMA模型。可以通过调用库中的相关方法来进行模型训练，通常需要指定ARIMA模型中的参数。
预测：使用训练好的ARIMA模型对未来时间点进行预测。可以调用库中的方法来进行预测，通常需要指定预测的时间范围。
输出结果：将预测结果输出，通常可以将预测结果可视化展示或保存到文件中。
调参优化：根据预测结果进行模型调参和优化，以提高模型的准确性和稳定性。
部署应用：将训练好的模型部署到生产环境中，用于实时预测或分析时间序列数据。
以上是Java中使用ARIMA模型进行训练和预测的基本流程，可以根据具体需求和数据特性进行相应的调整和扩展。