你遇到的核心问题是周度时间序列的ts对象参数设置不符合X-13的要求，导致程序无法正确解析数据。让我们一步步拆解问题并解决：

错误根源分析 #

你当前用decimal_date()生成的起始值是小数格式（比如2004加上当年已过天数/365.25），同时freq=365.25/7得到的是约52.178的小数。但X-13 Arima-Seats有两个硬性要求：

• 季节性周期（freq）必须是整数（周度数据通常取52，代表每年52周）
• 时间序列的起始点必须是(年份, 周期数)的整数组合，而非小数格式

这直接触发了报错里的Seasonal period too large，以及后续的参数解析错误（比如.1785714285714这个小数导致X-13无法识别语法）。

解决方案：重构正确的周度ts对象 #

我们需要用整数格式定义ts对象的起始年份和周数，同时设置freq=52：

library(lubridate)
library(seasonal)

# 定义起始日期
start_date <- ymd("2004-02-01")
# 提取起始年份和ISO周数（2004-02-01对应的ISO周是第5周）
start_year <- year(start_date)
start_week <- week(start_date)

# 重构ts对象：freq=52（每年52周），起始点为(年份, 周数)
x <- ts(data, freq = 52, start = c(start_year, start_week))

# 运行季节性调整
x_sa <- seas(x)

额外注意事项 #

• 如果你的周度数据是基于美国周（周日起始）而非ISO周（周一起始），可以用epiweek()替代week()来获取对应周数
• 若数据存在缺失值，建议先通过na.interp()或其他合理方法填充，否则X-13可能会继续报错
• 如果仍有问题，可以尝试在seas()中显式指定X-13的参数，比如强制使用X-11方法：seas(x, x11 = "")

内容的提问来源于stack exchange，提问作者user155417