STD：一种时间序列的季节-趋势-离散分解方法
统计方法学
2022-04-25 v1 机器学习
摘要
时间序列的分解是一项重要任务，有助于理解其本质。它促进了对表达各种隐藏成分（如趋势、季节成分、周期成分和不规则波动）的复杂时间序列的分析与预测。因此，它在许多领域的预测和决策过程中至关重要。近年来，许多时间序列分解方法被提出，它们提取并揭示了不同的时间序列性质。遗憾的是，它们忽略了一个非常重要的性质，即时间序列方差。为处理时间序列中的异方差性，本工作提出的方法——季节-趋势-离散分解（STD）——提取趋势、季节成分以及与时间序列离散程度相关的成分。我们以两种方式定义STD分解：包含不规则成分与不包含不规则成分。我们展示了STD如何用于时间序列分析与预测。
引用
@article{arxiv.2204.10398,
title = {STD: A Seasonal-Trend-Dispersion Decomposition of Time Series},
author = {Grzegorz Dudek},
journal= {arXiv preprint arXiv:2204.10398},
year = {2022}
}