4. 时间序列分解：趋势、季节性与残差成分的概念与可视化
时间序列分解，说白了就是把一条乱糟糟的曲线拆成几块有规律的东西。我刚开始做环境数据分析那会儿，拿到PM2.5的监测数据，第一反应就是直接建模预测。结果呢？模型跑出来一塌糊涂。后来老前辈跟我说：你先拆开看看。嗯，从那以后，分解成了我每次分析的第一步。
4.1 为什么要分解？
你想想看，一条时间序列里其实藏着好几层信息。比如北京的AQI数据，既有每年冬天变差的规律（季节性），又有逐年改善的大趋势（趋势），还有一些突发污染事件（残差）。如果不拆开，这些信息混在一起，模型根本学不明白。
核心思想：任何时间序列 Y(t) 都可以表示为三个成分的叠加或乘积：
加法模型：Y(t) = Trend(t) + Seasonal(t) + Residual(t)
乘法模型：Y(t) = Trend(t) × Seasonal(t) × Residual(t)
我个人习惯先试加法模型。为什么呢？因为直观。如果数据波动幅度随时间变化不大，加法模型就够了。如果波动幅度越来越大，比如夏季用电量逐年攀升，那就要用乘法模型。
4.2 三个成分到底长什么样？
咱们一个一个说清楚。
4.2.1 趋势成分（Trend）
趋势就是长期的变化方向。上升、下降、或者持平。我在项目中遇到过监测某湖泊的溶解氧数据，十年间缓慢下降。这就是趋势——它告诉你，这个湖的生态可能在恶化。
4.2.2 季节性成分（Seasonal）
季节性就是固定周期内的重复模式。周期可以是年、季度、月、周。比如河流的流量，每年汛期涨水、枯水期落水。这个规律非常稳定。我曾经处理过某水库的日入库流量数据，季节性周期是365天，但实际做分解时我用了365.25天——因为闰年。这个小细节，很多人会忽略。
4.2.3 残差成分（Residual）
残差就是去掉趋势和季节性之后剩下的东西。说白了就是「说不清楚的部分」。它可能是随机噪声，也可能是突发事件。比如某天工厂突然排污导致水质异常，这个信号就会出现在残差里。
注意：残差不等于无用信息。我曾经通过分析残差，发现了一个传感器故障的规律——残差在每天凌晨3点突然跳变，后来排查发现是设备定时自检导致的。所以残差里往往藏着故事。
4.3 怎么分解？用Python实现
Python里最常用的工具是 statsmodels 库的 seasonal_decompose 函数。我直接上代码，你跟着跑一遍就明白了。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.seasonal import seasonal_decompose
# 生成模拟数据：趋势 + 季节性 + 噪声
np.random.seed(42)
dates = pd.date_range('2020-01-01', periods=365*3, freq='D')
trend = np.linspace(20, 25, len(dates)) # 缓慢上升
seasonal = 5 * np.sin(2 * np.pi * np.arange(len(dates)) / 365) # 年周期
noise = np.random.normal(0, 1, len(dates))
data = trend + seasonal + noise
# 创建时间序列
ts = pd.Series(data, index=dates)
# 分解
result = seasonal_decompose(ts, model='additive', period=365)
# 可视化
fig, axes = plt.subplots(4, 1, figsize=(12, 10), sharex=True)
ts.plot(ax=axes[0], title='原始序列', color='#2E86AB')
result.trend.plot(ax=axes[1], title='趋势成分', color='#A23B72')
result.seasonal.plot(ax=axes[2], title='季节性成分', color='#F18F01')
result.resid.plot(ax=axes[3], title='残差成分', color='#C73E1D')
plt.tight_layout()
plt.show()
我的经验：period参数一定要设对。如果是日数据，年周期就是365；如果是月数据，年周期就是12。设错了，分解出来的季节性会完全乱掉。我曾经帮一个团队排查问题，他们用日数据但设了period=12，结果季节性成分看起来像锯齿——其实就是周期设错了。
4.4 加法模型 vs 乘法模型：怎么选？
我整理了一个简单的判断表，你直接对照着看：
| 特征 | 加法模型 | 乘法模型 |
|---|---|---|
| 季节性波动幅度 | 基本不变 | 随趋势变化 |
| 典型场景 | 气温、水位 | 用电量、销售额 |
| 数据中是否有零或负值 | 可以 | 不行（乘法要求正数） |
| 我的建议 | 先试这个 | 加法效果不好再试 |
举个例子：某河流的COD浓度，季节性波动在丰水期和枯水期差不多大，用加法模型就够了。但如果是某工厂的月产值，随着工厂扩建产值翻倍，季节性波动也跟着变大，这时候乘法模型更合适。
4.5 可视化：一眼看出问题
分解之后一定要画图。我习惯把四个子图叠在一起看，这样能快速发现异常。
比如有一次，我看到残差成分里出现了一个巨大的尖峰。排查后发现，那天附近发生了山体滑坡，导致水质突变。这个信息如果只看原始序列，很容易被季节性波动掩盖掉。
还有一次，趋势成分突然出现一个台阶式的下降。我一开始以为是算法问题，后来发现是那个月更换了监测仪器，导致数据整体偏低。嗯，这就是数据质量的问题了。
可视化要点：
- 原始序列和趋势用同一种颜色系，方便对比
- 季节性成分单独用亮色，突出周期性
- 残差用警示色，一眼就能看到异常点
- 四个子图共享x轴，方便对齐时间
4.6 避坑指南
我做时间序列分解这些年，踩过不少坑。挑几个典型的跟你说说：
- 周期长度搞错：我曾经用周数据，但设了period=7。看起来没问题，但实际业务周期是14天（两周一报）。结果季节性成分完全没抓到规律。
- 缺失值处理：分解函数遇到NaN会报错。我习惯先用插值法填充，或者直接删除缺失段。但要注意，如果缺失太多，插值会引入偏差。
- 边界效应：分解时，序列开头和结尾的趋势成分会不准确。因为算法需要前后数据来平滑。我一般会忽略前几个和后几个数据点。
- 多重季节性：有些数据有多个周期，比如小时数据既有日周期又有周周期。这时候简单的seasonal_decompose搞不定，需要用更高级的方法，比如STL分解。
特别提醒：不要盲目相信分解结果。我见过有人把随机噪声硬生生分解出「趋势」和「季节性」。怎么判断？看残差——如果残差里还有明显的模式，说明分解不彻底，需要调整参数或换模型。
4.7 本章小结
时间序列分解就是把复杂问题简单化。趋势告诉你方向，季节性告诉你规律，残差告诉你意外。这三块搞清楚了，后面的预测建模就轻松多了。
我个人习惯，拿到任何时间序列数据，第一件事就是分解。哪怕最后不用这个结果，也能帮你快速了解数据的脾气。嗯，就像交朋友，先了解性格，再谈合作。
公众号:蓝海资料掘金营，微信deep3321