在R中，auto.arima函数是一个自动化的ARIMA模型拟合函数，它可以根据时间序列数据自动选择最佳的ARIMA模型。其中的stationary参数是一个逻辑值，用于指定是否要求ARIMA模型的差分项是平稳的。

当stationary=TRUE时，auto.arima函数将仅搜索平稳的ARIMA模型。平稳的ARIMA模型是指，通过对时间序列进行适当的差分，可以使得差分后的序列满足平稳性的要求。平稳性是指序列的均值和方差在时间上保持不变。

如果设置stationary=FALSE，auto.arima函数将搜索包括非平稳的ARIMA模型。非平稳的ARIMA模型是指，差分后的序列仍然不满足平稳性的要求。

下面是一个使用auto.arima函数的示例代码：

# 导入时间序列包
library(forecast)

# 创建一个时间序列对象
ts_data <- ts(c(1, 3, 4, 3, 1, 4, 6, 8, 9, 7, 5, 4, 6, 8, 7, 4, 2, 1), start = c(2000, 1), frequency = 12)

# 使用auto.arima函数拟合ARIMA模型
arima_model <- auto.arima(ts_data, stationary = TRUE)

# 打印模型的结果
print(arima_model)

在上述示例中，我们创建了一个时间序列对象ts_data，并使用auto.arima函数拟合ARIMA模型，其中设置stationary=TRUE。这将导致auto.arima函数仅搜索平稳的ARIMA模型。最后，我们打印出模型的结果。

请注意，我们还可以将stationary参数设置为FALSE，以搜索包括非平稳的ARIMA模型。