我专注于实现一个自动化解决方案，该解决方案将许多时间序列数据（一次一个）作为输入。

在填充任何缺失值以获得没有间隙的时间序列后，我试图检查每个值是否静止，然后继续使用 hybridModel() 或 auto.arima() 以获得正确的预测。

出现的问题之一是我还没有找到一个完整的解决方案/算法来描述为此必须采取的步骤。

具体来说，我不清楚如果 p 值不 < 0.05 并且例如介于 95% 和 90% 之间，我该怎么办，即0.05 < p-value < 0.1. 是静止的还是静止的？例如，分解后我得到下面的截图：

• 我想知道我是否必须删除系列中的趋势，如果是这样，我该怎么做。分解后，我不清楚我是否必须获取例如我的时间序列的 log() 或找到消除趋势的方法。这个任务可以自动化还是需要“监督”，因为必须事先检查序列分解等？

• 为什么季节性似乎如此重复，即使我的时间序列在

• 最后，我在网上找到了有关该过程的信息，但我没有找到解释性分步指南的教程，以便不复制现有解决方案，而是能够产生量身定制的解决方案，因为时间序列之间存在巨大差异 I检查。

很抱歉这篇长文，我试图在一个地方收集一些时间序列问题，我认为这些问题也会使其他人受益。