时间序列上的STL具有缺失值以进行异常检测

我正在尝试在气候数据的时间序列中检测到一些异常值，但缺少一些观测值。在网上搜索，我发现了许多可用的方法。从消除趋势和季节性成分并研究其余部分的意义上讲，其中的stl分解似乎很有吸引力。阅读STL：一种基于黄土的季节性趋势分解程序，stl在确定分配可变性的设置方面似乎很灵活，不受异常值的影响，即使缺少值也可以应用。但是，尝试使用R，经过四年的观察并根据http://stat.ethz.ch/R-manual/R-patched/library/stats/html/stl.html定义所有参数，我遇到了错误：

"time series contains internal NAs"（当时na.action=na.omit）和
"series is not periodic or has less than two periods"（当时na.action=na.exclude）。

我仔细检查了频率是否正确定义。我在博客中看到了相关问题，但是没有找到任何可以解决此问题的建议。不可能stl在缺少值的系列中应用？我非常不愿意对它们进行插值，因为我不想引入（并因此检测...）工件。出于同样的原因，我不知道改为使用ARIMA方法是多么明智（如果缺少值仍然是个问题）。

如果您知道一种适用stl于缺失值的系列的方法，或者您认为我的选择在方法上不合理，或者您有更好的建议，请分享。我是该领域的新手，但堆满了（似乎...）相关信息。

ARIMA模型可以轻松地合并虚拟变量以处理缺失值。这些称为脉冲指示器。该方法简单明了，并记录在http://www.unc.edu/~jbhill/tsay.pdf中。通常，该方法从当前的残差序列信息中提取有关脉冲，水平移动，季节性脉冲和本地时间趋势的信息。

根据@Julius在这篇文章中说，可以从包中使用stlwith 。这会进行某种插值。na.approxzoostl(x, na.action = na.approx, ...)

您可能还需要检查Hafen的stlplus包裹。细节在他的论文中。

您可以使用以下命令从CRAN安装它

install.packages("stlplus")

或直接从github与

devtools::install_github("hafen/stlplus").