R语言tsSmooth函数用法详解：如何获取带线性趋势的单变量时间序列

函数核心作用 #

tsSmooth是R语言forecast扩展包中用于时间序列平滑拟合的专用函数，核心功能是基于指定的时间序列模型（如结构化时间序列模型、ARIMA、ETS等），输出序列的平滑拟合值，也可以单独提取序列的趋势、季节等结构化分量，完全满足提取单变量时间序列线性趋势的需求。

核心常用参数 #

• x：输入对象，要求为R标准ts类时间序列
• model：指定用于平滑拟合的模型，提取线性趋势时推荐搭配StructTS结构化时间序列模型使用，拟合效果稳定
• type：指定返回的分量类型，要提取线性趋势直接设置为"trend"即可，可选值还包括"level"（水平项）、"seasonal"（季节项）

实操步骤（提取线性趋势序列） #

步骤1：安装加载依赖包 #

如果未安装过forecast包先执行安装，之后加载：

# 安装依赖（仅需执行一次）
install.packages("forecast")
# 加载包
library(forecast)

步骤2：构造带线性趋势的单变量时间序列 #

我们先生成一组模拟的带噪声线性趋势序列用于演示，你可以替换成自己的实际数据，注意要先转为ts格式：

# 固定随机种子保证结果可复现
set.seed(123)
# 构造100期的线性趋势+随机噪声序列
t <- 1:100
real_trend <- 2 + 0.3 * t # 真实线性趋势：截距2，斜率0.3
noise <- rnorm(100, mean = 0, sd = 2) # 高斯噪声
# 转为ts类时间序列，frequency=1代表无季节波动的单周期序列
raw_ts <- ts(real_trend + noise, frequency = 1)

步骤3：调用tsSmooth提取线性趋势 #

# 先拟合带趋势项的结构化时间序列模型，再传入tsSmooth提取趋势分量
trend_smoothed <- tsSmooth(
  x = raw_ts,
  model = StructTS(raw_ts, type = "trend"),
  type = "trend"
)

步骤4：结果验证与使用 #

输出的trend_smoothed本身就是标准ts类对象，可以直接用于后续分析，也可以绘图对比效果：

# 查看前6行拟合结果
head(trend_smoothed)
# 绘图对比原始序列、真实趋势、拟合的平滑趋势
plot(raw_ts, col = "gray", lwd = 1, main = "线性趋势提取效果对比", ylab = "数值")
lines(real_trend, col = "blue", lwd = 2, lty = 2)
lines(trend_smoothed, col = "red", lwd = 2)
legend("topleft",
       legend = c("原始带噪序列", "真实线性趋势", "tsSmooth提取趋势"),
       col = c("gray", "blue", "red"),
       lty = c(1,2,1), lwd = c(1,2,2))

运行后可以看到tsSmooth提取的趋势和真实线性趋势几乎重合，降噪效果符合预期。

注意事项 #

• 如果你的原始序列自带季节波动，只需将StructTS的type参数改为"BSM"（基础结构模型），仍设置tsSmooth的type = "trend"即可单独提取剔除季节影响后的线性趋势
• 若需要调整平滑程度，可以自定义StructTS的协方差参数，默认参数对绝大多数线性趋势场景的提取效果已经足够
• 输入序列如果存在缺失值，建议先用na.interp()等函数先补全缺失值再进行拟合，避免报错

内容的提问来源于stack exchange，提问作者Giuseppina