实验目标：
① 直观认识趋势、季节性与随机波动三种成分及其叠加；② 掌握 加法 / 乘法分解 的思想，理解"趋势—季节—残差"的提取过程；③ 对比多种 预测方法 在测试集上的 RMSE / MAE / MAPE，理解朴素基准与平滑类方法的差异。
—
序列基本统计量
用于整体把握数据形态
中心化移动平均（宽度 = 周期）
分解四图
自上而下：观测值 → 趋势 → 季节 → 残差季节指数
加法：全年均值为 0 · 乘法：全年均值为 1
指数平滑类：α β γ 自动网格寻优（最小化样本内 SSE）
预测结果对比
测试集精度指标
按 RMSE 最优高亮，阴影带为最优方法的近似 95% 预测区间方法说明与实验要点
- 朴素法：预测值恒等于最后一个观测，是"零成本"基准——任何方法都应至少优于它。
- 季节朴素法：取上一周期同季节的观测值，适合强季节序列。
- 移动平均：用最近 k 期均值，k 越大越平滑、滞后越明显。
- 简单指数平滑：只含水平成分，α 大则更"跟随"近期。
- Holt 线性趋势：在平滑基础上加入趋势项，适合带趋势但无季节的序列。
- Holt-Winters 加法：水平 + 趋势 + 加法季节，季节波动幅度恒定。
- Holt-Winters 乘法：季节以比例形式叠加，适合波动随水平增大的序列（如航空乘客）。