本文主要是介绍基于RStudio的时间序列预测和计算(第二节)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
好啦，年更博主来了。上一节我们主要对时间序列的一些基于R的简单数据处理方式和操作方法进行了说明，这节，我们将会更深入地对时间序列预测和计算进行说明。
2.1对时间序列对象进行季节性分解
很明显，在我们进行数学建模竞赛的数据分析处理阶段，针对已经转化后的数据(时间序列对象)。我们必须知道该时间序列对象的特征：是否有周期，是否有随机性，是否有一些重要的影响因子等等.。接下来我将使用R对时间序列对象进行分解。
2.1.1使用stl()函数进行季节性分解
stl()函数，只需要安装相应的数据包或者你们主机安装的R语言系统比较完善就可以直接使用，并不需要使用forecast()函数，library()函数等进行载入。我首先来说说我使用这个函数最直接的感受：
1.该函数分解时间序列对象时，周期必须是要大于2的。也就是说，我第一节里面使用的nhtemp数据集是无法用这个函数进行季节性分解的。运行出来的结果如下：
2.stl()函数只适用于第一节里面的加法模型，乘法模型是不适用的。因此，在我们进行分解的时候，要对原数据集进行对数化处理。就像上面的程序一样。
好的，在我们说完使用感受后，我们来说说这个函数的R的作用机理。大体来说stl()函数的原理就是多项式拟合回归。他基于Loess。Loess为局部多项式回归拟合，是对两维散点图。这个函数shi局部加权回归散点平滑法，可分解时间序列成季节项、趋势项以及残余项。
要具体来说，stl()函数的形参表是很复杂的，很多参数的。主要形式如下：
stl(ts, s.window, s.degree=0, t.window=NULL, t.degree=1, robust=</这篇关于基于RStudio的时间序列预测和计算(第二节)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
