R中仅含夏季的不规则时间序列如何分解？stl/decompose报错求解

• stl()缺失值报错的触发原因：构建的连续日度时间轴覆盖了非夏季的全空时段，叠加夏季内部的零星空观测，导致序列存在大量NA；而stl()默认配置下触发na.fail，直接中断运行。
• decompose()周期报错的触发原因：将带全缺失的日度序列直接转换为ts对象时，默认频率（周期）为1，且序列因跨非夏季空值段，不满足decompose()要求的「至少2个完整等间隔周期」的输入门槛，因此触发报错。

1. 修正时间轴逻辑，剔除全缺失的非夏季时段 #

你最初构建的全年连续日度轴里，6-8月以外的时段完全没有观测值，保留这些点只会徒增缺失值、打乱序列的等间隔结构，需要先过滤掉；同时要先修正原数据里的空字符串，避免列类型异常：

library(xts)
library(zoo)

# 先将原数据里的空字符串转为NA，避免数值类型被转为字符
dataRep$lst <- as.numeric(dataRep$lst)

# 沿用你原有逻辑生成基础连续日度轴
tstamp <- data.frame(x = seq(head(dataRep$timestamps,1), tail(dataRep$timestamps,1), by = "day"))
# 过滤掉非6、7、8月的全空日期
tstamp_summer <- tstamp[as.numeric(format(tstamp$x, "%m")) %in% c(6,7,8), ]
# 将原观测值合并到仅含夏季的时间轴上
res_summer <- merge(tstamp_summer, dataRep, by.x = "x", by.y = "timestamps", all.x = TRUE)

2. 处理夏季内部的零星缺失值 #

过滤后剩余的缺失值仅存在于夏季内部无观测的日期，可通过线性插值快速补全，匹配stl()的输入要求：

# 将夏季序列转为xts对象，用线性插值补全单点缺失
tsData_summer <- xts(res_summer$lst, order.by = res_summer$x)
tsData_summer_filled <- na.approx(tsData_summer, na.rm = FALSE)

3. 给序列指定正确的分解周期，满足函数输入要求 #

stl()和decompose()都要求输入的ts对象明确指定时间周期：
你的序列是跨2006-2020年的夏季日度观测，每年夏季固定包含约92天（6月30天+7月31天+8月31天），因此设置频率为92（即一个完整周期=1个夏季的连续观测长度），即可形成覆盖15个完整周期的等间隔序列，满足至少2个周期的要求：

# 转换为带正确周期的ts对象：从2006年夏季开始，周期长度为92天
ts_decomp <- ts(tsData_summer_filled, frequency = 92, start = c(2006, 1))

4. 运行分解并提取残差特征 #

完成前置处理后，即可正常运行两个分解函数：

# 运行stl分解
xts.stl <- stl(ts_decomp, s.window = "periodic")
# 运行decompose分解
decompose_res <- decompose(ts_decomp)

# 提取分解结果（重点关注残差项）
trend <- xts.stl$time.series[, "trend"] # 趋势项
seasonal <- xts.stl$time.series[, "seasonal"] # 季节项
residual <- xts.stl$time.series[, "remainder"] # 残差项（核心提取目标）

• 若你不希望对缺失值做插值，可将stl()的na.action参数调整，或改用forecast::mstl()，该函数支持带少量缺失值的序列输入，但分解结果的残差精度会略低于插值补全的序列。
• 不要将非夏季的全空时间点保留在最终分解序列中，否则会彻底打乱周期计算逻辑，再次触发周期相关报错。
• 若夏季内部观测缺失占比超过30%，插值带来的误差会显著影响残差提取精度，可改用支持不规则时间间隔的分解框架替代基础版stl()/decompose()。

内容的提问来源于stack exchange，提问作者trommel