التحليل الموسمي للسلسلة الزمنية (STL) هو أسلوب إحصائي يستخدم لفصل السلسلة الزمنية إلى ثلاثة مكونات متميزة: المكون الموسمي، ومكون الاتجاه، والمكون المتبقي. يمثل المكون الموسمي أنماطًا متكررة في البيانات، بينما يحدد مكون الاتجاه الحركات أو الدورات طويلة المدى في البيانات. ويتكون المكون المتبقي من أي قيم متطرفة محتملة غير ممثلة في المكونات الموسمية والاتجاهية.
يتم استخدام STL بشكل شائع في التنبؤ بالسلاسل الزمنية، كما هو الحال في التنبؤ بالأعمال التجارية، والتنبؤ بالسكان، والتنبؤ بالطقس. كما يتم استخدامه على نطاق واسع في الكشف عن الحالات الشاذة، ويمكن استخدامه لتحديد التغييرات غير المتوقعة في البيانات التي قد تكون قيمًا متطرفة أو اتجاهات غير معروفة.
تتضمن العملية عادةً تجانس البيانات أو تصفيتها، وتحويلها بوظيفة دورية، مثل تحويل فورييه. يمكن استخدام طرق مختلفة لتقدير المكون الموسمي. يمكن أيضًا استخدام STL مع طرق التجانس الأسي، مثل طريقة Holt-Winters.
STL هي عملية تكرارية، ومن الضروري تكرار العملية حتى تصبح النتائج مقبولة. غالبًا ما يكون من المفيد مراجعة العرض الرسومي للمكونات للمساعدة في تقييم مدى ملاءمة نتائج التحلل.
بشكل عام، تعد STL أداة مهمة لتحديد وتحليل الأنماط في بيانات السلاسل الزمنية، ويمكن استخدامها لتحديد القيم المتطرفة والاتجاهات والأنماط الموسمية. وهي تقنية إحصائية أساسية للتنبؤ بالسلاسل الزمنية، وتستخدم في مجموعة واسعة من تطبيقات التنبؤ والكشف عن الحالات الشاذة.
