时间序列预测模型通常会采用加法模型或乘法模型进行季节性分解，其中加法模型将时序数据分成趋势、季节性和残差三个部分，乘法模型将季节性和残差部分相乘。常见的季节性分解方法包括移动平均法和平滑法。在趋势平稳化方面，常用的方法包括差分法和移动平均法。选择合适的滞后阶数和训练窗口大小通常需要通过调参和交叉验证来确定。滞后阶数的选择可采用自相关函数和偏自相关函数来识别时序数据的自相关性和部分自相关性，从而确定合适的滞后阶数。训练窗口大小的选择可以根据时间序列的周期性和数据量来决定，通常需要进行多次实验和模型验证。