一条业务曲线可能同时按天、按周重复，但这些规律并非永远不变。比如航班客流原本有稳定旺季，疫情一来，整套节奏可能突然失效。传统 ARMA——用过去数值和过去的随机冲击解释当前值的经典模型——通常假定这种关系长期稳定，因此容易漏掉变化。
Fagerberg、Villani 和 Kohn 提出的 TV-SARMA，把多个季节周期、普通波动和季节波动放进同一个 ARMA，并允许参数随时间漂移。关键设计是“动态收缩”：参数多数时候近似不动，数据出现充分信号时才缓慢变化或突然换挡。模型还允许噪声时强时弱，并在每个时间点约束计算过程保持稳定、结果可解释。
作者用 1990 年至 2024 年纽约—迈阿密月度航空客流检验模型，发现变化尤其集中在季节性 MA 参数——也就是过去随机冲击如何沿季节周期影响现在；疫情期间，原本很强的季节性几乎被抹去。这个案例说明，季节规律不只是“有几个周期”，还可能换挡。论文展示了模拟与真实数据结果，但摘要未披露相对其他方法的具体预测提升。