上尉= trendDecomp（一个）使用单数频谱分析（SSA）发现数据向量的趋势，该分析假设数据的加成分解为a = lt+st+r。在这个分解中，上尉是数据的长期趋势，英石是季节性或振荡性的趋势（或趋势），并且是r是其余的。上尉是一个与一个。

当季节性趋势的周期未知时，SSA是一种有用的算法。SSA算法假定输入数据均匀间隔。

上尉= trendDecomp（一个，“ SSA”，落后）还使用SSA算法来找到趋势一个并另外指定了一个滞后值，该值确定了计算奇异值分解的矩阵的大小，如[1]。较大的值落后通常导致趋势的更多分离。

的价值落后必须是间隔中的标量[3，n/2]n是长度一个。如果已知季节性趋势的时期，请指定落后作为该时期的倍数。

上尉= trendDecomp（___，numseasonal =n）使用先前语法中的任何输入参数组合指定返回的季节趋势数量。

上尉= trendDecomp（一个，“ stl”，时期）找到趋势一个使用STL算法，该算法是基于局部加权回归的加性分解，如[2]。STL需要季节性趋势的时期。当数据只有一个季节性趋势时，请指定时期作为标量值。对于多种季节性趋势，指定时期作为矢量，其元素是每个季节趋势的时期。

STL算法假定输入数据均匀间隔。

[[上尉，，，，英石，，，，r] = trendDecomp（___）还可以返回季节性趋势以及分解的其余部分。长度英石和r匹配输入向量的长度一个。什么时候一个包含多种季节性趋势，英石是一个矩阵，其列包含每个季节性趋势。

d= trendDecomp（t）使用SSA查找表或数据时间表中的趋势。潮流分别在每个表变量上操作。d是一个表或时间表，其变量包含长期趋势，季节性趋势以及每个变量的其余部分。潮流返回多个季节性趋势作为一个变量d，其专栏包含每个季节性趋势。

d= trendDecomp（t，“ SSA”，落后）指定表或时间表输入的SSA滞后值，并将滞后应用于所有表变量。

d= trendDecomp（t，，，，___，numseasonal =n）指定在表或时间表数据上使用SSA时的季节趋势数量，并将数字应用于每个表变量。

d= trendDecomp（t，“ stl”，时期）使用STL与指定的季节性趋势时期发现趋势。潮流将周期应用于每个表变量。