时间序列平稳化（time series stationarization），管理学-管理科学与工程-预测理论与方法-时间序列预测法-平稳时间序列预测模型-时间序列平稳化，将时间序列转化为平稳时间序列的过程。在时间序列分析中，平稳时间序列是最基础、最重要的类型，大多数时间序列模型和方法以平稳性为基础。处理非平稳时间序列的一般思路是将其转化为平稳时间序列。时间序列的平稳性分为两种：严平稳和宽平稳。严平稳要求时间序列任意有限个随机观测的分布不随时间推移而改变，这一要求较为苛刻。因此，通常使用宽平稳假设，即随机观测的均值和方差均为常数，且其自协方差只与时间间隔有关（而与时间位置无关）。常用的平稳化方法有如下几种。①差分：对非季度数据进行的差分处理。阶差分即用当期观测减去期前观测，这样时间序列的样本量将减少个。②季节差分：对季度数据进行的差分处理。阶季节差分即用当周期各观测减去周期前对应观测，这样时间序列的样本量也将减少个。③中心移动平均：用以当期中心、固定跨度内观测的平均值替换当期观测。④累计求和：用截至当期的累计求和替换当期观测。