时间序列是由按时间排序的观察单位组成的数据。可能是天气数据、股市数据。，也就是说它是由按时间排序的观察值组成的数据。
在本文中将介绍和解释时间序列的平滑方法，时间序列统计方法在另一篇文章中进行了解释。本文将解释以下 4 个结构概念：
1、稳态（Stationary）
稳态是指系统的状态不再随时间发生改变的一种状态。换句话说，如果一个时间序列的均值、方差和协方差随时间保持不变，则该序列被称为平稳的。
为什么稳态很重要呢?:理论上有一种解释，即时间序列的结构在一定的平稳性下，即在一定的模式下，更容易预测。也就是说，如果是平稳的，则运动下一步也是可以预测的。因此通常会有一个期望:时间序列是平稳的吗?如果它是平稳的，我们可以更容易地做出预测。为了捕捉这一点，可以通过查看时间序列图像而不是统计测试来了解这一点。
2、趋势（Trend）
它是一个时间序列的长期增减结构。如果存在趋势，则序列不太可能是平稳的，因为周期的统计数据(平均值、标准偏差等)将以增加或减少的趋势变化。
3、季节性（Seasonality）
季节性是指一个时间序列以一定的间隔重复某种行为。
4、周期（Cycle）
它包含类似于季节性的重复模式，但是这两个问题可能会相互混淆。季节性可以映射到特定的时间段。它与日、周、年、季等时间段重叠。例如，市场在周末有更多的生意，或者一个产品在冬天更受关注等等。
周期性发生在更长的时间，更不确定的结构，以不与日、周等结构重叠的方式发生。它的发生主要是出于结构性原因，并具有周期性变化。例如，一些促销活动虽然这不是完全季节性的，它是在一定时期内发生的，但具体会在什么时期发生，会根据不同营销策略来决定。
理解时间序列模型的本质:我们已经看到了上面时间序列的基本结构。时间序列的假设是:时间序列在t时间段内的值受前一个时间段(t-1)的值影响最大。例如今天是星期天，它前面的值最能解释星期天时间序列的值。有了这些基础知识，我们可以开始进行平滑方法的介绍
完整文章：
https://avoid.overfit.cn/post/8b39befe01644d1388b307d7a81fc50d
标签：变量,平稳,平滑,时间段,序列,时间,季节性 From： https://www.cnblogs.com/deephub/p/16730252.html