您很可能有两个季节性周期：48（每天的间隔数）和 48x5（假设每周 5 天的间隔数）。

R 中的包中的tbats()函数forecast将处理多个季节性时段。例如（x数据在哪里）：

library(forecast)
x <- msts(x, seasonal.periods=c(48, 48*5))
fit <- tbats(x)
fc <- forecast(fit, h=48*5)
plot(fc)

或者（如果缺少数据，唯一简单的选择）是使用季节性周期的傅立叶项和 ARMA 错误来处理任何剩余的序列相关性。R 中的 ARIMA 函数不会自动处理多个季节性周期，但以下 R 代码应该可以工作：

x <- ts(x, frequency=48)
seas1 <- fourier(x, K=3)
seas2 <- fourier(ts(x, freq=48*5), K=3)
fit <- auto.arima(x, xreg=cbind(seas1,seas2))

seas1.f <- fourierf(x, K=3, h=48*5)
seas2.f <- fourierf(ts(x, freq=48*5), K=3, h=48*5)
fc <- forecast(fit, xreg=cbind(seas1.f,seas2.f))

可以通过最小化 AIC 来选择傅立叶项的数量（在上述代码中的两个季节期间任意设置为 3）。