也许我们无法预测下一次更新的确切日期，但这种模式有规律吗？诚然，从本文开头的图表来看，这有点难以判断。分析不规则的时间序列（峰值之间的周期和峰值的强度都会发生变化）需要一些非常复杂的数学运算，所以我决定从简单一点的开始。
我首先假设存在一个规律 博蒂姆数据库 并寻找一种基于该假设消除部分噪音的方法。产生结果的最简单的分析涉及取 3 天移动平均值并计算平均标准误差 (MSE)。换句话说，对于每个温度（每个温度都是一天），取当天和其两侧的一天（3 天窗口）的平均值，然后计算当天温度与 3 天平均值之间的差值的平方。这会夸大独立峰值，并平滑一些噪声较大的序列，从而得到以下图表：
这篇文章的灵感部分来自 2016 年 2 月，当时的信噪比异常高。因此，让我们放大图表，看看过去 90 天的情况：
看到第 2 到第 6 个峰值（从 1 月 21 日开始）了吗？它们之间的间隔分别是 6 天、7 天、7 天和 8 天。然后，与下一个较小的峰值（3 月 3 日）之间有 2 周的间隔，与再下一个峰值之间又有 8 天的间隔。虽然这很难证明存在明确的规律，但考虑到我们对算法更新审批流程的了解，很难相信每周的节奏完全是巧合。
在其他月份，这种模式不太明显，我并不是说每周更新周期就是全部情况。我们知道 Google 也会进行大规模数据更新（包括 Penguin），有时会在几天（甚至几周）内推出更新。2015 年 4 月（12 个月 MSE 图的第一部分）也存在类似的模式，尽管噪音更大。2015 年圣诞节前后的活动水平也很有趣：
尽管我们有很多阴谋论，但 2015 年圣诞节期间 Google 的活动似乎确实出现了短暂的低迷，持续了大约 4 周，随后出现了一个相当大的高峰，这可能反映了一些追赶更新。工程师们也去度假了。请注意，1 月份的第一个高峰之后是大约 2 周的空白，然后是两个 1 周的空白。