季节趋势分解（边缘AI推理）
Seasonal-Trend Decomposition — Edge AI Inference
将序列拆为趋势、季节与残差三部分（加法或乘法），揭示节律与异常，是预测的前处理。
01
定义
将序列拆为趋势、季节与残差三部分（加法或乘法），揭示节律与异常，是预测的前处理。
02
公式与计算
加法：y = T + S + R；乘法：y = T · S · R
03
适用时机
气象/水文/能耗的节律分析、去季节化、异常基线识别、为预测模型提供组分。 部署到边缘 AI 推理盒（NPU/GPU 加速）时，需做模型量化（INT8）与算子裁剪，阈值与窗长按现场数据标定后固化。
04
关键参数
季节周期（日/年）、分解方式（加法/乘法）、平滑器（STL/MSTL）；边缘 AI 版本注意量化误差、推理时延与模型版本管理，异常需支持远程回滚。
05
注意事项
失效与边界先判定季节周期与加法/乘法形式；乘法适合量级随趋势放大的序列；残差即异常线索。 边缘 AI 实现需在目标算力上做推理时延与精度权衡测试，并保留原始数据上传通道供云端复核。
CLOSE
把 季节趋势分解（边缘AI推理） 用起来
下一步
实际项目如何应用？
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
相关 SIYB 产品
正式参数、方案与商务资料以 xmsiyb.com 官网为准。
需要把技术判断落到项目？
进入行业应用与智能选型中心，获取场景设计、选型与实施参考。