Phân rã theo mùa của chuỗi thời gian (STL) là một kỹ thuật thống kê được sử dụng để tách chuỗi thời gian thành ba thành phần riêng biệt: thành phần theo mùa, thành phần xu hướng và thành phần còn lại. Thành phần theo mùa thể hiện các mẫu lặp lại trong dữ liệu, trong khi thành phần xu hướng xác định các chuyển động hoặc chu kỳ dài hạn trong dữ liệu. Thành phần còn lại được tạo thành từ bất kỳ ngoại lệ tiềm năng nào không được thể hiện trong các thành phần theo mùa và xu hướng.
STL thường được sử dụng trong dự báo chuỗi thời gian, chẳng hạn như dự báo kinh doanh, dự báo dân số và dự báo thời tiết. Nó cũng được sử dụng rộng rãi trong việc phát hiện sự bất thường và có thể được sử dụng để xác định những thay đổi không mong muốn trong dữ liệu có thể là ngoại lệ hoặc xu hướng chưa xác định.
Quá trình này thường bao gồm làm mịn hoặc lọc dữ liệu và chuyển đổi nó bằng hàm tuần hoàn, chẳng hạn như biến đổi Fourier. Các phương pháp khác nhau có thể được sử dụng để ước tính thành phần theo mùa. STL cũng có thể được sử dụng với các phương pháp làm mịn hàm mũ, chẳng hạn như phương pháp Holt-Winters.
STL là một quá trình lặp đi lặp lại và cần phải lặp lại quá trình đó cho đến khi kết quả có thể chấp nhận được. Việc xem lại cách hiển thị đồ họa của các thành phần thường có ích để giúp đánh giá tính phù hợp của các kết quả phân rã.
Nhìn chung, STL là một công cụ quan trọng để xác định và phân tích các mẫu trong dữ liệu chuỗi thời gian và có thể được sử dụng để xác định các ngoại lệ, xu hướng và mẫu theo mùa. Đây là một kỹ thuật thống kê thiết yếu để dự báo chuỗi thời gian và được sử dụng trong nhiều ứng dụng dự báo và phát hiện bất thường.
