存在季节性的 Sen 趋势测试 - Sen T 另一种季节性趋势测试具有良好的功效，可在存在季节性周期时检测单调趋势。 但只应在没有数据丢失的情况下使用。 当没有数据丢失时，此测试比 Kendall Seasonal 更准确（除非考虑了序列依赖性？请参阅 sktt.m 了解季节性 Kendall 测试和斜率。 - 吉尔伯特第 17.4 节，第 230 页 此函数中有一个子函数 'rank' 用于计算数据集中所有值的排名。 Matlab 的tiedrank 估计排名与此统计所需的排名不同。 句法： [T sig] = SenT(datain, alpha) 输入： datain(:,1) = 年份（例如 1999） datain(:,2) = 季节（例如 1 到 12） datain(:,3) = 要分析的值alpha = 用于两个尾部测试（例如 0.05） 输出： T = Sen

MATLAB实现SARIMA季节性数据时间序列预测（完整源码和数据） 数据为单变量时间序列数据， 运行环境MATLAB2018b及以上， 一种基于SARIMA的时间序列预测方法，得到所述预测时间点对应的预测结果。

MASH（水平移动平均线）是一种平滑技术，将在探索性数据分析中应用，以促进趋势检测。 它允许同时调查数据中的季节性并过滤掉年际变化的影响。 它在处理环境变量（降水、温度、流量等）的时间序列时特别有用，但它可用于任何季节性数据的趋势分析。 更多信息可在：“季节性数据的趋势检测：从水文到水资源”，D. Anghileri、F. Pianosi 和 R. Soncini-Sessa，水文学杂志，2014 年 ( http://dx.doi. org / 10.1016 / j.jhydrol.2014.01.022 ）