我理解时间序列的季节性通常意味着具有 恒定频率的循环分量。例如，每小时数据的每日循环趋势的频率为 24。季节性时间序列的基本模型之一应该是季节性 ARIMA。

但是，如果季节性有点不规则，并且给出了关于这种不规则性的数据，我认为有比季节性 ARIMA 更好的模型。ARIMA 模型不能利用有关不规则性的信息。

例如，如果餐厅的营业时间是固定的（比如上午 11 点到晚上 8 点），季节性 ARIMA 模型可能能够使用 ARIMA(p,d,q)(P,D,Q)_24 预测餐厅的每小时销售额.

但是，如果他们的营业时间每天都不规律（比如今天上午 10:30 到晚上 9 点，明天上午 12 点到下午 5 点......），并且每天的营业时间都给了建模者，我想还有其他模型可以处理那些不规律的营业时间比 ARIMA 更有用。

是否有一些模型可以处理这种不规则的季节性？