STL (Seasonal-Trend decomposition procedure based on Loess) 为时序分解中一种常见的算法，基于LOESS将某时刻的数据分解为趋势分量（trend component）、周期分量（seasonal component）和余项（remainder component）:
STL分为内循环（inner loop）与外循环（outer loop），其中内循环主要做了趋势拟合与周期分量的计算。假定为内循环中第
次pass结束时的趋势分量、周期分量，初始时
；并有以下参数：
内层循环数，
外层循环数，
为一个周期的样本数，
为Step 2中LOESS平滑参数，
为Step 3中LOESS平滑参数，
为Step 6中LOESS平滑参数。
每个周期相同位置的样本点组成一个子序列（subseries），容易知道这样的子序列共有共有个，我们称其为cycle-subseries。内循环主要分为以下6个步骤：
外层循环主要用于调节robustness weight。然后每一次迭代的内循环中，在Step 2与Step 6中做LOESS回归时，邻域权重（neighborhood weight）需要乘以，以减少outlier对回归的影响。STL的具体流程如下：
为了使得算法具有足够的robustness，所以设计了内循环与外循环。特别地，当足够大时，内循环结束时趋势分量与周期分量已收敛；若时序数据中没有明显的outlier，可以将
设为0。
参考：https://www.cnblogs.com/en-heng/p/7390310.html
