6.2 经典分解方法 (移动平均分解、STL分解)

文档摘要

6.2 经典分解方法 (移动平均分解、STL分解) 6.2 经典分解方法：移动平均分解与STL分解时间序列分解是将时间序列数据分解为若干个相互独立的成分，通常包括趋势 (Trend)、季节性 (Seasonality) 和残差 (Residual)。这些成分能够帮助我们理解时间序列数据的内在结构，进行预测和异常检测。经典的分解方法主要包括移动平均分解和 STL 分解，它们各有特点，适用于不同的场景。 6.2.1 移动平均分解 (Moving Average Decomposition) 移动平均分解是一种简单直观的分解方法，它基于移动平均来估计时间序列的趋势成分，然后通过减去趋势成分来提取季节性成分和残差。 1.