如何分解具有多个季节性成分的时间序列？

我有一个包含双重季节性成分的时间序列，我想将该序列分解为以下时间序列成分（趋势，季节性成分1，季节性成分2和不规则成分）。据我所知，用于分解R中序列的STL过程仅允许一个季节性成分，因此我尝试了两次分解序列。首先，使用以下代码将频率设置为第一个季节性成分：

ser = ts(data, freq=48)
dec_1 = stl(ser, s.window="per")

然后，我dec_1通过将频率设置为第二个季节性分量来分解分解系列（）的不规则分量，从而：

ser2 = ts(dec_1$time.series[,3], freq=336)
dec_2 = stl(ser2, s.window="per")

我对这种方法不是很自信。而且我想知道是否还有其他方法可以分解具有多个季节性的序列。另外，我注意到tbats()R 预测软件包中的函数允许一个模型适合具有多个季节性的序列，但是它并未说明如何使用它来分解一个序列。

r time-series forecasting decomposition multiple-seasonalities

— 高手
source

您好，欢迎光临该网站。对于您的两个季节部分，它们是否具有不同的周期性，例如每周一次，每月一次？

— 米歇尔

Rob Hyndman，Koehler，Ord和Snyder的第14章“使用指数平滑进行预测”对此进行了介绍。Hyndman在R中也有一个预测软件包。我似乎还记得Hyndman在此站点上发布过有关此主题的信息，但它可能已经发布在他的博客中。

— zbicyclist 2012年

@Michelle嗨，谢谢您的回复。是的，这两个季节性因素具有不同的周期性。第一个周期为48（每日季节性），而第二个周期为336（每周季节性）。这是一个半小时的时间序列。

— 2012年

@zbicyclist我相信您正在使用的预测程序包是我在原始帖子中提到的“预测”程序包。我看过了这个包的tbats函数，但是没有说明如何使用它进行分解。我将检查这本书，看看是否能找到任何进一步的插图。

— 2012年

这就是我的想法。它在Hyndman的博客上。robjhyndman.com/papers/complex-seasonality

— zbicyclist 2012年

forecastbats()tbats() $x(t)$ $t$

有关公式的信息，请参见http://robjhyndman.com/papers/complex-seasonality/；有关ETS模型的详细说明，请参见Hyndman等人（2008）。BATS和TBATS是ETS的扩展。

例如：

fit <- bats(myTimeseries)
fit$x

在这种情况下，的每一行都x将像傅立叶似的谐波。

也有plot.tbats()和plot.bats()功能自动分解并查看组件。

— 功率
source