3.2.1 平稳性分类

文档摘要

3.2.1 平稳性分类在信号处理、时间序列建模与随机过程工程实践中，我们每天都在和“看起来很稳”的数据打交道——一段心电图波形、一小时的服务器CPU利用率、连续72小时的风速采样、某条产线每分钟的良品率……它们表面平静，却暗藏玄机。你是否曾遇到过这样的困惑：模型在训练集上拟合得滴水不漏，一到滚动预测就频频崩盘？ADF检验p值小于0.01，但残差自相关图（ACF）却在滞后12阶后突然“翘尾巴”？或者，你用Welch法估计出的功率谱密度（PSD）在低频段像雾里看花，高频段又布满锯齿状伪影？这些问题的根子，往往不在算法选择，也不在超参调优——而在于一个被低估、被简化、甚至被误读的基础前提：这个过程，真的平稳吗？