我有一个包含双季节性成分的时间序列，我想将该系列分解为以下时间序列成分（趋势、季节性成分 1、季节性成分 2 和不规则成分）。据我所知，在 R 中分解系列的 STL 程序只允许一个季节性分量，所以我尝试过两次分解系列。首先，通过使用以下代码将频率设置为第一个季节性分量：
ser = ts(data, freq=48)
dec_1 = stl(ser, s.window="per")
然后，我通过将频率设置为第二个季节性分量来分解分解序列 ( dec_1) 的不规则分量，这样：
ser2 = ts(dec_1$time.series[,3], freq=336)
dec_2 = stl(ser2, s.window="per")
我对这种方法不是很有信心。而且我想知道是否还有其他方法可以分解具有多个季节性的系列。另外，我注意到tbats()R预测包中的函数允许将模型拟合到具有多个季节性的序列，但是，它没有说明如何用它分解序列。
R 的forecast包bats()和tbats()函数可以将 BATS 和 TBATS 模型拟合到数据中。这些函数返回具有“bats”或“tbats”类属性的列表。此列表中的元素之一是状态向量的时间序列，每个时间。
有关公式的信息，请参见http://robjhyndman.com/papers/complex-seasonality/，有关 ETS 模型的更好描述，请参见 Hyndman 等人 (2008)。BATS 和 TBATS 是 ETS 的扩展。
例如：
fit <- bats(myTimeseries)
fit$x
在这种情况下，每一行都x将是傅立叶状谐波。
还有自动分解和查看组件的功能plot.tbats()。plot.bats()
R 的forecast包现在具有mstl()处理多个季节性时间序列分解的功能。
此页面有更多详细信息如何使用它：https ://pkg.robjhyndman.com/forecast/reference/mstl.html
每年、每周和每日季节性是内置的，但可以指定自定义季节性。
这是一个自定义的每月季节性：
df <- ... # data to build model on or decompose
future <- ... # data to make forecasts on
m <- prophet(weekly.seasonality = FALSE)
m <- add_seasonality(m, name = 'monthly', period = 30.5, fourier.order = 5)
m <- fit.prophet(m, df)
forecast <- predict(m, future)
prophet_plot_components(m, forecast)
如果predict()在没有传入数据框的情况下调用，那么它将分解用于构建模型的时间序列。