我会说STL。STL 做趋势和季节性见：http ://www.wessa.net/download/stl.pdf

分解只做季节性看到这里的文档：http: //stat.ethz.ch/R-manual/R-devel/library/stats/html/decompose.html

当您与他们合作时，请务必包括您的趋势类型（乘法、加法）和季节类型（乘法、加法）。趋势有时也可能有阻尼因素。

通过乘法分解，我假设您的意思是趋势的情况。除非您分解指数增长函数，否则您不太可能使用乘法分解。

decomposeR中函数的缺点：

1. 对于前几次和最后几次观察，趋势的估计是不可用的。
2. 它假设季节性成分每年都在重复。

所以我更喜欢STL。通过首先获取数据的日志然后对组件进行反向转换，可以获得乘法分解。

STL 是一种更先进的提取季节性的技术，从某种意义上说，它允许季节性变化，而decompose.

要了解 STL 的工作原理：

• 该算法估计每个季节性子系列（在 7 天的季节性中，它将估计 7 个子系列：周一时间系列、周二时间系列等），
• 然后，它将通过对每个子系列运行黄土回归来估计当地的季节性。

这允许捕捉季节性变化的影响。如果您不希望您的季节性变化（换句话说，每个子系列的估计效果将在整个时间系列中保持不变），您可以将季节性窗口指定为无限或“周期性”。这相当于平均每个子系列并对所有点赋予相同的权重（您不再具有任何“局部”效果）。decompose本质上是相同的，因为季节性子组件将在整个时间系列中保持不变，这是 STL 的一种特殊配置。

这在这里得到了很好的解释：https ://www.otexts.org/fpp/6/1 。

STL 以加法方式估计季节性。正如前几页后面的资料中所解释的那样，您可以通过使用对数变换（或 Cox-Box 变换）以乘法方式估计季节性。