R 季节性时间序列异常值的过滤

我有一些季节性很强的天气相关数据，我想做的是 识别一些“异常值”，并将这些异常值更改为合理值（我不想删除它们）

我正在使用pracma软件包中的hampel过滤器来识别和纠正这些异常值，但问题是一些季节性峰值降低得太多。我猜 此函数不考虑季节性。 下图显示了这一点（24个月窗口），红线是过滤后的数据

有没有办法纠正这个问题？换句话说，取“峰值”并在季节之间取平均值？ 谢谢

---

根据@Michael的建议，这里有一些代码可以删除季节性成分，对剩余系列应用异常值过滤器，然后再次添加季节性成分（由您自己的风险使用）：

---

我怀疑这样修补数据是否是个好主意。我发现《汉佩尔》中的“注意事项”很有启发性。当每年都有大约50%的几率发生一次时，它们真的可以被称为异常值吗？是的-这些高值与厄尔尼诺现象有关，如果我忽略它们，我的模型给出的预测太高（1931/1月以来从未发生过）。如果你真的相信数据集中存在异常值，您需要首先删除季节性趋势，从去趋势数据中删除异常值，然后重新趋势数据。谢谢，这似乎有效！

filter.outliers = function(serie.orig)
{
require(forecast)
require(pracma)

## get a stl decomposition object
stl.decomp = stl(serie.orig, s.window = 'periodic', t.window = 13, robust = T)

## remove the seasonal component
serie.desaz = seasadj(stl.decomp)

## apply a hampel filter
serie.desaz2 = hampel(serie.desaz, k = 12)$y

## put back the seasonal component
return(serie.desaz2 + stl.decomp$time.series[, 'seasonal'])
}