1. https://blog.csdn.net/howardge/article/details/41979119
接下来我们来分解时间序列,时间序列分为:非季节性数据和季节性数据
一个非季节性时间序列:包含一个趋势部分和一个不规则部分。分解时间序列即为试图把时间序列拆分成这些成分,也就是说,需要估计趋势的和不规则的这两个部分。
一个季节性时间序列:包含一个趋势部分,一个季节性部分和一个不规则部分。分解时间序列就意味着要把时间序列分解称为这三个部分:也就是估计出这三个部分。
上述示例充分展示了时间序列的多模型加和性,该属性也是时间序列的一个很重要的属性,每拿到一个时间序列,我们首先需要判断该时间序列是否可以用相加模型来描述,在确定了加和属性后去考虑如何分解时间序列,以下举一个例子说明
左图时间序列看上去不适合时间,因为该序列的季节波动性和随机波动的大小随着时间序列逐步上升。为了使该序列符合标准的时间序列从而采用相加模型描述,我们对原始数据取自然对数进行转换,右图所示。
我们可以看到季节性波动和随机变动的大小在对数变换后的时间序列上,随着时间推移,季节性波动和随机波动的大小是大致恒定的,并且不依赖于时间序列水平。因此转换后的时间序列可以用相加模型进行描述,我们对变化后的序列进行分解。