我试图分解多个时间序列。我每天都有11年的数据，闰年包含了2006年至2016年的闰年。时间序列实际上是一个差异系列＆＃39;。更具体地说，我有两个测量北极海冰范围的正弦数据集并且完全同相，但这两个数据集的推导方式不同。因此，我采用了dataset1 - dataset2来生成差异系列。在差异系列中，有一些季节性。有些年份，数据集1的冰比数据集2多，反之亦然。
以下是差异系列看起来像是一个R＆＃39; XTS对象＆＃39;在使用na.approx（）XTS object of my sea ice extent difference series
插入NANs之后如果我每年都要彼此重叠，那么差异系列看起来就像这样： Seasonal Biases in Difference Series
经过傅里叶分析后，我知道在335天，175天和118天的功率谱中有三个大的峰值。我想看看是否有可能在TBATS中分解这些数据，所以我创造了一个＆＃39; msts＆＃39;时间序列为：
Diff_msts <- msts(Diff_series, start = c(2006,01,01), end = c(2016,31,12), seasonal.periods = c(335,175,118))
但是，我不确定在TBATS中提供它是否有意义，或者如何绘制生成的组件。以下是我的尝试：
Diff_msts.fit <- tbats(Diff_msts)
plot(Diff_msts.fit)
我希望在De Livera，Hyndman和Snyder 2010中看到类似图3的内容：＆＃34;使用指数平滑预测具有复杂季节模式的时间序列＆＃34;
但我只是观察到了＃39;和＆＃39;级别＆＃39;因为我的情节结果看起来相同（我会发布在这里，但我需要更高的声誉才能这样做）。我对这个统计数据领域来说太新了，无法测试我的时间序列是否适用于tbats。
任何帮助或建议都会很精彩。谢谢。
小更新（09/26/17）：当我更改了season.periods = c（）以在向量中包含365.25时，我现在在图中获得了不同的季节性组件！但是，我不确定为什么会这样？为什么将矢量设置为＆＃39; c（335,175,118）＆＃39;导致TBATS功能陷入困境？
此外，季节性的顺序是否重要？例如，傅里叶分析显示功率谱中最大的峰值发生在175天。 c（第1季，第2季，......）应该按照最强到最弱的信号顺序填充：c（175,335,118）？