1.季节性时间序列
包含：长期趋势Trend，季节趋势Seasonal，周期循环Circle，随机项Random
这里分解为相加模型X=T+S+C+R
在对时间序列进行分解之前，应该对序列进行检验：（下次写）
2.decompose()函数
将时间序列进行上述分解
3.R分解操作过程
3.1数据读入与可视化
>#以纽约市月出生数量（1946.1-1959.12）的数据集为例
> births <-scan("http://robjhyndman.com/tsdldata/data/nybirths.dat")
Read 168 items
> birthstimeseries <- ts(births, frequency=12, start=c(1946,1))
> plot(birthstimeseries)
出生数量
从图上可以看出，出生数量具有一定的季节性（夏峰冬谷）和周期性，同时趋势性明显；但是每个周期内的波动幅度变化较小，且不随时间趋势而变化，随便波动项随时间变化页不明显。
3.时间序列分解
分解为加法模型
>birthcomponents <- decompose(birthstimeseries)
> plot(birthcomponents)
分解图
4.剔除季节因素
可以对季节性等进行剔除，现剔除季节因素
>birthstimeseriesseasonallyadjusted<-birthstimeseries-birthcomponents$seasonal
>plot(birthstimeseriesseasonallyadjusted)
出生数量（剔除季节因素）
