1 基本概念
1.1 定义
时间平均是指对随时间变化的量，在给定时间区间内进行累积统计，并用区间长度进行归一化，得到该量在这段时间内的平均表现。它强调的是“在一段时间里总体上处于什么水平”，而不是某一瞬间的数值。
1.2 适用对象
时间平均适用于那些会随时间变化、且需要用长期或阶段性表现来描述的对象。常见对象包括物理量、工程信号、气象观测值以及其他具有时间序列特征的数据。
1.2.1 连续时间量
对于连续变化的量，如速度、温度、电压或流量，时间平均通常通过积分来定义。此类对象在理论分析中较常见，适合描述平滑变化或周期性变化的过程。
1.2.2 离散时间序列
对于按固定时间间隔采样得到的数据，如逐秒记录的传感器读数或逐日气温序列，时间平均通常表现为求和再取平均。这种形式更贴近实际测量和数字处理场景。
1.3 与瞬时值的区别
瞬时值反映的是某一时刻的状态，具有局部性和即时性；时间平均则反映一段时间内的整体水平，能够减弱短时波动的影响。两者在含义上并不相同，前者适合观察细节变化，后者更适合把握稳定趋势。
2 数学表述
2.1 连续时间平均
对连续函数 \(x(t)\)，在时间区间 \([t_1,t_2]\) 上的时间平均可表示为 \[ \bar{x}=\frac{1}{t_2-t_1}\int_{t_1}^{t_2} x(t)\,dt \] 该表达式表示把函数在区间内的“面积”按长度归一化，从而得到平均高度。
2.2 离散时间平均
对离散序列 \(x_1,x_2,\dots,x_n\)，时间平均通常写作 \[ \bar{x}=\frac{1}{n}\sum_{i=1}^{n}x_i \] 当采样间隔恒定时，这种形式可视为连续时间平均的离散近似。
2.3 极限形式
当观测时间不断延长时，时间平均可进一步讨论其极限行为。这在研究稳定系统、长期统计特征时尤为重要。
2.3.1 无限时间平均
无限时间平均是将观测区间延伸到无穷长后得到的平均值，常写为 \[ \langle x \rangle = \lim_{T\to\infty}\frac{1}{T}\int_0^T x(t)\,dt \] 若该极限存在，则可用于刻画长期平均水平。
2.3.2 有限时间窗口平均
有限时间窗口平均是在一个固定长度的窗口内求平均，并随着窗口位置变化而更新。它常用于实时分析、趋势跟踪以及平滑短期波动。
3 性质与特点
3.1 平稳性相关性
在平稳过程中，统计特征通常不随时间位置显著变化，因此时间平均更容易呈现稳定结果。若过程非平稳，则不同时间段的平均值可能差异较大，解释时需要结合时间背景。
3.2 周期函数的时间平均
对于周期函数，若取的时间区间包含整数个周期，其时间平均往往与单个周期内的平均一致。这一性质使时间平均在分析振动、交流信号和重复现象时非常有用。
3.3 随机过程中的时间平均
在随机过程中，时间平均描述的是单个样本路径在长时间内的平均表现。它不一定等同于某一时刻在不同样本之间的平均，但在某些条件下两者可以接近或一致。
3.3.1 向遍历性的联系
当随机过程满足遍历性时，单条长期观测轨迹的时间平均可以代表整体统计特征。也就是说，通过足够长的时间观测，有可能用一条记录推断系统的总体行为。
3.3.2 与期望值的关系
在某些理想情形下，时间平均会收敛到期望值；但并非所有随机过程都满足这一点。是否等价，取决于过程结构、样本独立性以及平稳和遍历条件等因素。
4 常见计算方法
4.1 积分法
积分法适用于连续函数或连续测量结果。先计算函数在区间内的积分，再除以区间长度，即可得到平均值。该方法在理论推导和解析计算中最常见。
4.2 求和法
求和法适用于离散数据或采样序列。将各采样点数值相加后除以样本数，即可得到时间平均。对于等间隔采样，这种方法简单直接，便于计算机实现。
4.3 滑动窗口平均
滑动窗口平均是将固定长度的窗口在数据序列上逐步移动，并对窗口内数据反复求平均，从而形成一条平滑后的序列。它常用于去噪、趋势提取和局部变化观察。
4.3.1 窗口长度的选择
窗口越长，平滑效果越明显，但细节也更容易被削弱；窗口越短，则保留的局部信息更多，但抑制波动的能力较弱。实际应用中通常根据信号特征、噪声水平和分析目的折中选择。
4.3.2 边界效应处理
在序列起点和终点附近，窗口可能无法完整覆盖所需数据，容易产生边界偏差。常见处理方式包括缩短窗口、补零、镜像延拓或仅对完整窗口段进行计算。
5 典型应用
5.1 物理学中的时间平均
在物理学中，时间平均常用于分析振动、波动、热运动和周期驱动系统。例如，交流电功率、粒子运动速度或机械振幅的长期平均，都可用来描述系统的整体状态。
5.2 工程测量中的时间平均
工程领域常利用时间平均消除瞬态干扰，提高测量稳定性。比如在传感器读数、结构监测和工业控制中，对短时波动进行平均处理，有助于获得更可靠的判断。
5.3 气象与环境数据分析
气象和环境监测中，时间平均常用于计算日均温、月均降水、空气质量的阶段统计值等。它可以减少短时天气变化带来的起伏，使长期趋势更容易识别。
5.4 信号处理中的平均滤波
在信号处理中，时间平均经常作为一种基础滤波手段，用于抑制随机噪声并保留低频趋势。简单平均滤波实现方便，适合对数据进行初步平滑处理。
6 与相关概念的比较
6.1 时间平均与空间平均
时间平均关注的是同一对象在不同时间上的变化；空间平均则关注同一时刻不同位置上的分布。前者常用于动态系统，后者更多用于场、区域或介质的整体描述。
6.2 时间平均与样本平均
时间平均强调“沿时间轴统计”，样本平均强调“对样本集合统计”。在静态数据分析中，两者可能形式相似，但含义并不相同；在随机过程研究中，它们是否一致取决于过程性质。
6.3 时间平均与中位数
时间平均反映总体算术水平，受极端值影响较大；中位数则反映序列的中间位置，对异常波动更不敏感。前者适合描述总量或能量类特征，后者更适合应对偏态分布和离群点。
7 局限性与误差来源
7.1 观测时长不足
若观测时间过短，时间平均往往不能充分代表长期特征，尤其在波动明显或存在周期变化的系统中更为如此。延长观测区间通常有助于提高代表性。
7.2 非平稳过程影响
当过程本身随时间发生结构性变化时，不同时间段的平均值可能对应不同状态。此时简单求平均可能掩盖重要转变，需要结合分段分析或趋势建模。
7.3 测量噪声与采样误差
测量误差、采样频率不足、设备漂移等因素都会影响时间平均的准确性。若噪声具有偏差或采样不均匀，平均结果可能偏离真实值。
8 历史与术语演变
8.1 早期统计思想
时间平均的思想可追溯到早期对天文、气候和机械运动的长期观察。人们很早就认识到，单次记录常带有偶然性，而长期统计更能反映规律。
8.2 现代科学中的标准化表达
随着数学分析、概率论和信号处理的发展，时间平均逐渐形成较为统一的定义和表达方式。现代学科中，它不仅是计算方法，也是一种描述系统长期行为的重要概念。