平稳性是时间序列分析与预测的核心概念。在平稳条件下，时间序列的统计特性（如均值）在时间维度上保持不变，仅存在随机波动。
但是实际数据集中很少观察到完全的平稳性。时间序列通常会经历结构性断裂或变化。这些变化会引入非平稳性，从而改变时间序列的整体分布，这些标志着变化开始的时间点被称为变化点。
在时间序列分析和预测中，准确检测结构变化至关重要。新出现的分布模式往往会导致历史数据失去代表性，进而影响基于这些数据训练的模型的有效性。因此需要采用最新数据更新模型或采取其他适当策略。对于历史数据中的变化点，可以通过特征工程方法（如干预分析）进行处理。
https://avoid.overfit.cn/post/79dc01ee0f834c03af1991a118b5fed0
标签：分析,Python,时间,序列,平稳性,变化 From： https://www.cnblogs.com/deephub/p/18402580