R 根据tbats组件计算季节指数

我收集了52.2个季度的零售周数据（每五年第53周）。我想使用这些汇总数据来计算一个季节性指数，该指数可应用于类别内的每个项目，以得出其非季节性需求

使用stl，我将季节指数计算为“季节”/“趋势”+1（标准化为52）。我改用TBAT，因为我的季节性不是整数，我有多个季节性周期（52.2和261）

我使用的tbats的季节性周期=52.2，并使用tbats.components提取组件。组成部分为“观察”、“水平”和“季节”。谷歌并没有透露这些组件是什么以及如何使用它们。我还提取了残差

我注意到“观察到的”是我数据的日志。我还注意到，季节随着时间的推移而变化（这正是我想要的）

我的问题是：

1.“季节”也是天然原木吗？ 2.如何提取未来的“季节”值？我可以对数据进行预测，所以我假设一定有一个预测的“季节” 3.考虑到“指数”将被划分为粒度数据，计算“指数”的最佳方法是什么。我目前使用的是：exp（“季节”）/居中移动平均线（exp（“季节”））

我的数据：

weeklyu <-structure(list(V1 = c(8L, 5L, 7L, 3L, 1L, 2L, 3L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 8L, 2L, 
4L, 8L, 6L, 7L, 8L, 9L, 15L, 15L, 13L, 9L, 16L, 19L, 16L, 16L, 
10L, 31L, 45L, 90L, 185L, 34L, 8L, 19L, 11L, 19L, 21L, 8L, 5L, 
7L, 6L, 3L, 10L, 2L, 2L, 4L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
2L, 2L, 16L, 22L, 18L, 23L, 11L, 5L, 8L, 21L, 18L, 11L, 26L, 
28L, 9L, 3L, 6L, 3L, 6L, 1L, 5L, 3L, 3L, 2L, 1L, 4L, 1L, 1L, 
3L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 5L, 
19L, 11L, 17L, 23L, 50L, 52L, 23L, 18L, 22L, 44L, 37L, 22L, 30L, 
32L, 47L, 34L, 30L, 26L, 25L, 44L, 87L, 65L, 30L, 17L, 12L, 2L, 
16L, 14L, 17L, 6L, 7L, 3L, 6L, 7L, 8L, 11L, 12L, 4L, 1L, 3L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L)), .Names = "V1", class = "data.frame", row.names = c(NA, 
-188L))

---

weeklyu你能提供一个最小的可重复的例子，以及一些代码吗？我已经编辑了@Pascal的帖子
wklytbat <- tbats(msts(weeklyu, seasonal.periods = 52.2, ts.frequency=52.2), use.parallel=FALSE)

seasu <-data.table(exp(as.numeric(tbats.components(wklytbat)[,'season'])))