用途：从时间序列中提取趋势、季节性和残差分量，并做基础预测与可视化，适用于销售、指标监控等场景。
主要能力：支持加性和乘法分解模型；趋势提取（移动平均、多项式拟合）；自动检测并提取周期模式；残差分析与异常检测；输出分量图、ACF/PACF、季节性图；基础预测（趋势外推、季节性朴素、趋势+季节性组合）。
使用方式：Python 中通过 TimeSeriesDecomposer 类加载 CSV 或 DataFrame/Series，调用 decompose(period, model) 等；命令行可运行 python ts_decomposer.py --input data.csv --date date --value sales --period 12，支持 --model multiplicative、--forecast 6、--auto-period、--plot、--json 等参数。依赖 pandas、numpy、scipy、statsmodels、matplotlib。
限制：仅支持基础预测方法，不是完整统计建模或机器学习框架；具体输入数据格式、运行环境与性能边界资料未提供。