平稳基于计数的时间序列数据

Question

我有一个基于计数的时间序列，很多为0。

通常，为了实现平稳性，我们可以执行以下转换：

def read_labels(lbl_filename):
    train_lbl = Image.open(lbl_path + lbl_filename.decode("utf-8"))
    train_lbl = np.asarray(train_lbl)
    return train_lbl

def preprocessing(img_filename, lbl_filename):
    train_lbl = tf.py_func(read_labels, [lbl_filename], tf.uint8)

当我尝试微分时，我得到负值，在这种情况下不适用。因此，我尝试使用以下转换

1. Differencing (Single, Double or seasonal)
2. Log

但是我读了一些反对对基于计数的数据进行日志转换的帖子。

关于在这种情况下为实现平稳性我可以考虑进行哪些转换的任何建议。